دانلود مقاله اهمیت شبکه های کامپیوتر موازی جهت انجام محاسبات ریاضی سنگین

اختصاصی از فی دوو دانلود مقاله اهمیت شبکه های کامپیوتر موازی جهت انجام محاسبات ریاضی سنگین دانلود با لینک مستقیم و پر سرعت .

مشخصات این فایل
عنوان: اهمیت شبکه های کامپیوتر موازی جهت انجام محاسبات ریاضی سنگین
فرمت فایل: word(قابل ویرایش)
تعداد صفحات:22

این مقاله در مورد اهمیت شبکه های کامپیوتر موازی جهت انجام محاسبات ریاضی سنگین می باشد.

 

بخشی از تیترها به همراه مختصری از توضیحات مقاله اهمیت شبکه های کامپیوتر موازی جهت انجام محاسبات ریاضی سنگین

SIMD: Single Instruction – Multiple Data
در این دسته از کامپویترها، یک واحد دستورالعمل، دستورات را به تعدادی از المانهای پردازش (PE) می فرستد و از آنجا که هر PE بر روی اطلاعات محلی خویش کار می کند در واقع تعداد زیادی از رشته اطلاعات وجود خواهد داشت مثلاً در روش ILLIAC IV یک واحد دستورات را به 64 واحد PE می رساند و هر کامپیوتر 2k بایت حافظه محلی دارد. کامپیوترها در 8 ردیف 8 تایی قرار دارند (شکل P.1.7) که کامپیوترهای بالایی از سمت بالا به سمت پایین پائینیها متصلند همین طور کامپیوترهای سمت راست به سمت ...(ادامه دارد)

توپولوژی دینامیک: در جایی است که ارتباطات براساس متغیر با زمان بنا نهاده شده که یا به صورت باس مشترک و یا به صورت شبکه سوئیچینگ است.

توپولوژی استاتیک: در جایی است که اتصالات اختصاصی بین پردازنده ها وجود دارد. در قسمتهای بعد به مقایسه توپولوژیهای مختف خواهیم پرداخت. ابتدا معیارهای توپولوژی را مانند تاخیر ارتباطی، هزینه اتصال، قابلیت اعتماد و عبور اطلاعات معرفی می شود.

ویژگیهای شبکه:
مدل مناسب برای بررسی توپولوژی شبکه مالتی کامپیوترها گراف G=(V,E) می‌باشد که در آن V مجموعه گره ها است که نشان دهنده واحدهای پردازنده (PE) است و E مجموعه یال هاست که نشان دهنده ارتباطات بین واحدهای پردازنده می‌باشد. با این روش ویژگیهای شبکه را می توان با تفسیر خصوصیات گراف ها تحلیل کرد که این روش یک روش ارزیابی استاتیک است زیرا بحثهایی از جنبه مسیریابی (routing) و غیره در نظر گرفته نمی شود این روش باری مقایسه شبکه ها بکار می رود و هزینه شبکه با تعداد یالها و تاخیر ارتباطی با تعداد یالها بین گره ها متناظر...(ادامه دارد)

فصل 4: مقایسه توپولوژیها
در این قسمت به مقایسه توپولوژیهای مختلف شبکه با در نظر گرفتن افزایش دو فاکتور کلیدی برحسب افزایش تعداد کامپیوترها N می پردازیم. این دو فاکتور عبارتند از هزینه سیستم (Connection Costs) که با تعداد کل اتصالات رابطه دارد و تاخیر ارتباطی (Communication Delay) که با قطر سیستم رابطه دارد. در جدول زیر این توپولویژها با هم مقایسه شده اند. در این مقایسه موارد زیر در نظر گرفته شده اند....(ادامه دارد)

بخشی از فهرست مطالب مقاله اهمیت شبکه های کامپیوتر موازی جهت انجام محاسبات ریاضی سنگین 

SISD: Sungle Instruction – Single Data
SIMD: Single Instruction – Multiple Data
MISD: Multiple Instruction – Multiple Data
توپولوژی دینامیک
توپولوژی استاتیک
ویژگیهای شبکه:
3- بررسی اجمالی توپولوژیها
1-3- ساختارهای ارتباطی ساده Simple Connection Structures:
C(N):
Ring
Completely Connected Network K(N)
Tree T(B,h):
Star S(N):
2-3- گرافهای الفبایی Graphs on Alphabets:
3-3- ساختارهای فوق مکعبی Hypercube Structures:
1-3-3- Binary Hypercube:
...(ادامه دارد)

دانلود جزوه درس الگوریتمهای موازی دکتر سعید پارسا + حل تمرینات

اختصاصی از فی دوو دانلود جزوه درس الگوریتمهای موازی دکتر سعید پارسا + حل تمرینات دانلود با لینک مستقیم و پر سرعت .

درس الگوریتم های موازی جزء دروس مهم مقطع کارشناسی ارشد می باشد. این فایل حاوی جزوه دکتر سعید پارسا است که شامل ۸۴ صفحه و در قالب پی دی اف می باشد. علاوه بر آن یکسری تمرینات مربوط به این جزوه نیز به همراه پاسخشان آورده شده است

تحقیق درباره بررسی رویکردهای سری و موازی در زمان بندی پروژه با منابع محدود

اختصاصی از فی دوو تحقیق درباره بررسی رویکردهای سری و موازی در زمان بندی پروژه با منابع محدود دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 24 صفحه

چکیده :

زمان بندی پروژه با منابع محدود یک مسأله NP  است. یکی از رویکردهای ابتکاری حل این مسأله استفاده از قواعد اولویت‌بندی در برنامه‌ریزی فعالیتهاست. در این مقاله یازده قاعده اولویت‌بندی را به دو شیوه سری و موازی به صورت ایستا پیاده‌سازی کرده‌ و این شیوه‌ها را با معیار تکمیل پروژه در زمان کوتاهتر، به وسیله یکصد و بیست مسأله آزمون استاندارد حاوی 30 تا 120  فعالیت، با یکدیگر  مقایسه کرده‌ایم. نتایج به‌دست آمده نشان می‌دهد که اولا رویکرد موازی در به کارگیری قواعد اولویت‌بندی از رویکرد سری کارآمدتر است. ثانیا به منظور بهره جستن از کارایی بیشتر رویکرد موازی, تنها کافیست حداکثر سه قاعده اولویت‌بندی دلخواه به صورت موازی به کار گرفته شوند.

مقدمه

مسأله زمان بندی پروژه با منابع محدود[i] یک مسأله NP  است و برای نخستین بار در سال 1963 مطرح شد (ویست، 1963).  این مساله "یکی از پیچیده‌ترین مسائل تحقیق در عملیات است که در دهه‌های اخیر پیشرفتهای قابل توجهی در تدوین روشهای حل دقیق و ابتکاری آن به وجود آمده و اخیرا روشهای جدید بهینه‌سازی در حل آن به کار گرفته شده اند " (مورینگ و همکاران، 2003). در این مسأله, پروژه به کمک روشهایی مانند روش شکست کار[ii] به تعدادی فعالیت تجزیه می‌شود. این فعالیتها به لحاظ روابط منطقی متفاوتی که حاکم بر آنهاست با یکدیگر ارتباط پیدا می‌کنند. رابطه های منطقی و بلافصل بین هر دو فعالیت به کمک یک یا چند رابطه کنترل‌کننده‌ مانند رابطه پایان به شروع[iii]، رابطه شروع به شروع[iv]، رابطه پایان به پایان[v] ، و رابطه شروع به پایان[vi] تبیین می‌شوند. البته در پروژه هـای پیچیده تر امکـان تعریف رابطه های کنترل کننده بیشتری مانند توازی اجرا بین دو فعالیت[vii] وجود دارد (هاجو، 1997).

برای اجرای هر فعالیت به منابع متفاوتی از  قبیل زمان، سرمایه، نیروی انسانی و ... نیاز است. این منابع غالباً به دو دسته تجدیدشدنی[viii] مثل نیروی انسانی و تجدیدنشدنی[ix] مانند سرمایه تقسیم می‌شوند. هر فعالیت می‌تواند در چندین حالت[x] مختلف مثلا به صورت دستی, نیمه مکانیزه و یا مکانیزه اجرا شود.  اجرای هر حالت نیازمند نوع و میزان منابع  متفاوتی است (درکسل و همکار، 1993). در مساله برنامه‌ریزی پروژه با منابع محدود برای انجام هر فعالیت مثل به  واحد از منبع , 1، در هر واحد زمان از مدت زمان اجرای آن فعالیت () نیاز است. این در حالیست که منبع  دارای محدودیت  در هر واحد زمان است. متغیرهای ،  و  نامنفی و معین هستند. هدف این مساله غالبا تعیین زمان شروع و حالت اجرای هر فعالیت به ‌گونه‌ای است که زمان اجرای پروژه را کمینه نماید. واضح است که پاسخ این مساله باید قیود مربوط به ارتباط منطقی فعالیتها را تامین کند، و به محدودیت منابع نیز توجه داشته باشد.

 

دانلود مقاله تحلیل الگوریتم شاخه و قید موازی آسنکرون

اختصاصی از فی دوو دانلود مقاله تحلیل الگوریتم شاخه و قید موازی آسنکرون دانلود با لینک مستقیم و پر سرعت .

در این مقاله توضیحی درباره کامپیوترهای موازی می‌دهیم و بعد الگوریتمهای موازی را بررسی می‌کنیم. ویژگیهای الگوریتم branch & bound را بیان می‌کنیم و الگوریتمهای b&b موازی را ارائه می‌دهیم و دسته‌ای از الگوریتمهای b&b آسنکرون برای اجرا روی سیستم MIMD را توسعه می‌دهیم. سپس این الگوریتم را که توسط عناصر پردازشی ناهمگن اجرا شده است بررسی می‌کنیم.

نمادهای perfect parallel و achieved effiency را که بطور تجربی معیار مناسبی برای موازی‌سازی است معرفی می‌کنیم زیرا نمادهای قبلی speed up (تسریع) و efficiency (کارایی) توانایی کامل را برای اجرای واقعی الگوریتم موازی آسنکرون نداشتند. و نیز شرایی را فراهم کردیم که از آنومالیهایی که به جهت موازی‌سازی و آسنکرون بودن و یا عدم قطعیت باعث کاهش کارایی الگوریتم شده بود، جلوگیری کند.

همیشه نیاز به کامپیوترهای قدرتمند وجود داشته است. در مدل سنتی محاسبات، یک عنصر پردازشی منحصر تمام taskها را بصورت خطی (Seqventia) انجام میدهد. به جهت اجرای یک دستورالعمل داده بایستی از محل یک کامپیوتر به محل دیگری منتقل می‌شد، لذا نیاز هب کامپیوترهای قدرتمند اهمیت روز افزون پیدا کرد. یک مدل جدید از محاسبات توسعه داده شد، که در این مدل جدید چندین عنصر پردازشی در اجرای یک task واحد با هم همکاری می‌کنند. ایده اصل این مدل بر اساس تقسیم یک task به subtask‌های مستقل از یکدیگر است که می‌توانند هر کدام بصورت parallel (موازی) اجرا شوند. این نوع از کامپیوتر را کامپیوتر موازی گویند.

شامل 51 صفحه فایل word قابل ویرایش

الگوریتم فوق موازی برای مثلث بندی درون هسته و برون هسته داده بزرگ در E2 و E3

اختصاصی از فی دوو الگوریتم فوق موازی برای مثلث بندی درون هسته و برون هسته داده بزرگ در E2 و E3 دانلود با لینک مستقیم و پر سرعت .

Volume 51, 2015, Pages 2613–2622
ICCS 2015 International Conference On Computational Science

Highly Parallel Algorithm for Large Data

In–Core and Out–Core Triangulation in E² and E³

Abstract

A triangulation of points in E², or a tetrahedronization of points in E³, is used in many applications. It is not necessary to fulfill the Delaunay criteria in all cases. For large data (more then 5 · 10⁷ points),parallel methods are used for the purpose of decreasingrun–time. A new approach for fast, effective and highly parallel CPU and GPU triangulation, or tetrahedronization, of large data sets in E² or E³ suitable for in–core and out–core memory processing, is proposed. Experimental results proved that the resulting triangulation/tetrahedralization is close to the Delaunay triangulation/tetrahedralization. It also demonstrates the applicability of the methodproposed in applications.

---

Keywords

• Triangulation;
• tetrahedronization;
• parallel computing;
• GPU & CPU;
• large data processing

Procedia Computer Science

الگوریتم فوق موازی برای مثلث بندی درون هسته و برون هسته داده بزرگ در E2 و E3

چکیده

یک مثلث بندی از نقاط در E2، یا یک مستطیل بندی از نقاط در E3 در بسیاری از برنامه ها استفاده می شود. لازم نیست در همه موارد معیار دولونه تحقق یابد. برای داده های بزرگ (بیش از 107×5 نقطه)، به منظور کاهش زمان اجرا روشهای موازی استفاده می شود. رویکردی جدید برای مثلث بندی یا مستطیل بندی CPU و GPU سریع، موثر و فوق موازی از داده بزرگ تنظیم شده در E2 یا E3 برای فرآیند حافظه درون هسته یا برون هسته، پیشنهاد شده است. نتایج عملی ثابت کرده است که مثلث بندی یا مستطیل بندی حاصل نزدیک به مثلث بندی یا مستطیل بندی دولونه است. همچنین قابلیت روش پیشنهادی در برنامه ها را نشان می دهد.

واژگان کلیدی: مثلث بندی، مستطیل بندی ، پردازش موازی، GPU و CPU، پردازش داده­های بزرگ

• مقدمه

برنامه های امروزی نیاز دارند که مجموعه داده های بزرگ را با استفاده از پردازنده های مختلف با حافظه اشتراکی یعنی پردازش موازی، و یا روی سیستم ها با استفاده از پردازش توزیعی، پردازش کنند. در این مقاله ما رویکرد جدید قابل اجرایی برای مثلث بندی سریع و کارآمد در E2 و E3 (مستطیل بندی) با استفاده از سیستم موازی یا توزیعی واحد پردازش مرکزی (CPU) و یا واحد پردازش تصویر (GPU)، یعنی روی خوشه های محاسباتی، برای مجموعه داده های بزرگ را توصیف می کنیم.

الگوریتمهای زیادی برای مثلث بندی در E2 و E3 توسعه یافته اند و با معیارهای مختلف توصیف شده اند [1]، [2]، [5]، [8]؛ اغلب به سبب همزادی با دیاگرامهای وورونوی و خصوصیات ریاضیاتی، مثلث بندی دولونه در E2 استفاده می شود. مثلث بندی دولونه زاویه حداقل را حداکثر می کند؛ در سمت دیگر، زاویه حداکثر را حداقل نمی کند، که در بعضی زمینه ها لازم است، مثل سیستم های CAD و غیره. به علاوه، اگر نقاط یک مش مربع تشکیل دهند، الگوریتمها به دقت عددی محاسبات حساس هستند. به خوبی مشخص شده است که مثلث بندی دولونه (DT) شامل ساده سازی های  است که در آن d بعد دار است. پیچیدگی محاسباتی DT  است یعنی برای 2=d،  است و برای 3=d  می باشد.