一、微機群集并行系統(tǒng)的應(yīng)用技術(shù)（論文文獻綜述）
宋彪[1]（2015）在《基于大數(shù)據(jù)的企業(yè)財務(wù)預警理論與方法研究》文中研究指明隨著經(jīng)濟全球化和互聯(lián)網(wǎng)經(jīng)濟的發(fā)展,企業(yè)之間的競爭更加激烈,投資者和企業(yè)都更加重視財務(wù)危機預警在企業(yè)管理中的重要作用,然而企業(yè)財務(wù)危機預警一直是企業(yè)管理中面臨的一個難題。當前的財務(wù)危機預警研究主要著眼點是基于財務(wù)指標建立模型,但是現(xiàn)實中每次經(jīng)濟危機發(fā)生時的預警悖論,使財務(wù)指標在危機風險預警方面的局限性逐漸暴露出來。財務(wù)指標的滯后性和可人為操縱性,嚴重的影響了財務(wù)危機預警的可信度。雖然有學者在模型中引入了非財務(wù)指標,但由于數(shù)據(jù)獲取的難度,選取的非財務(wù)指標相對片面,難以適應(yīng)對各種非財務(wù)指標具有不同敏感度的公司樣本要求。大數(shù)據(jù)思維和技術(shù)為非財務(wù)指標的選擇提供了新的思路。本文研究基于大數(shù)據(jù)的企業(yè)財務(wù)預警的理論與方法。首先,針對財務(wù)危機預警這一難題,運用演化博弈論分析了財務(wù)危機預警準確度偏低的原因,證明了財務(wù)數(shù)據(jù)真實有效假設(shè)的不可靠性,發(fā)現(xiàn)了提高財務(wù)危機預警效果的有效路徑。根據(jù)系統(tǒng)動力學仿真得出結(jié)論,指出發(fā)展相關(guān)信息獲取技術(shù)是解決財務(wù)預警效果不佳問題的重要方向。在此基礎(chǔ)上,提出了以網(wǎng)民為企業(yè)“傳感器”的思想,基于互聯(lián)網(wǎng)上的相關(guān)在線信息,通過情感分析處理,以及統(tǒng)計網(wǎng)民信息發(fā)布頻次,融合后形成傳感器信號,涵蓋了與公司相關(guān)的所有維度的信息。利用基于大數(shù)據(jù)的網(wǎng)絡(luò)爬蟲和文本情感傾向分析技術(shù),將與上市公司有關(guān)的信息結(jié)構(gòu)化并且降維,形成關(guān)于上市公司的綜合大數(shù)據(jù)情感指標,結(jié)合財務(wù)指標,最終建立引入大數(shù)據(jù)指標的財務(wù)風險預警模型,并對模型的預測效果進行比較分析和檢驗,結(jié)果顯示基于大數(shù)據(jù)的財務(wù)風險預警模型具有更好的有效性。相關(guān)結(jié)論從理論上提供了進行企業(yè)財務(wù)預警的新思路,也為相關(guān)方面預測上市公司財務(wù)危機提供了理論支持,最后指出作為Web2.0環(huán)境中在線信號的外在表現(xiàn)形式,企業(yè)網(wǎng)絡(luò)輿情與企業(yè)危機是相互影響的關(guān)系,并根據(jù)“最好的預測是創(chuàng)造”的觀點,從企業(yè)輿情的角度對企業(yè)危機管理進行了系統(tǒng)的研究。本文的選題來自于國家自然科學基金項目“基于博弈論的信息安全理論與方法研究（編號:61272398）”和北京市社會科學基金重點項目“基于大數(shù)據(jù)的財務(wù)預警理論與方法研究（編號:14JGA001）”的部分研究內(nèi)容。論文的主要工作和創(chuàng)新點有以下幾個方面:1.財務(wù)危機預警效果博弈論分析。針對企業(yè)財務(wù)危機預警的難題,用演化博弈論分析了財務(wù)危機預警活動的失敗原因,論證了財務(wù)數(shù)據(jù)真實有效假設(shè)的不可靠性,指出了提高危機預警效果的有效路徑。根據(jù)系統(tǒng)動力學仿真,明確了發(fā)展相關(guān)信息獲取技術(shù)是解決財務(wù)預警效果不佳問題的重要方向。2.基于大數(shù)據(jù)的財務(wù)預警模型構(gòu)建。將網(wǎng)民視為企業(yè)分布在互聯(lián)網(wǎng)上的傳感器,考慮到互聯(lián)網(wǎng)上的相關(guān)在線信息,通過情感分析處理,獲得能夠涵蓋相關(guān)公司的各個方面所有維度信息,通過結(jié)合財務(wù)指標,最終建立引入大數(shù)據(jù)指標的財務(wù)風險預警模型。3.大數(shù)據(jù)主題爬蟲算法和語義分析算法設(shè)計。設(shè)計了可處理大數(shù)據(jù)的基于支持向量機和關(guān)鍵詞的主題網(wǎng)絡(luò)爬蟲算法,構(gòu)建了適用于財務(wù)領(lǐng)域的語義詞典,進而設(shè)計了文本情感傾向分析算法,將互聯(lián)網(wǎng)上與上市公司有關(guān)的信息結(jié)構(gòu)化和降維,收集具體傳感器信號,支持本文設(shè)計的企業(yè)傳感器模型,形成關(guān)于上市公司的綜合大數(shù)據(jù)情感指標,進而對所設(shè)計模型的預測效果進行比較分析和檢驗,結(jié)果顯示基于大數(shù)據(jù)的財務(wù)風險預警模型具有更好的有效性。4.基于大數(shù)據(jù)財務(wù)預警模型的企業(yè)危機管理。通過大數(shù)據(jù)財務(wù)預警模型可以發(fā)現(xiàn),企業(yè)危機和企業(yè)輿情具有相互影響的關(guān)系。對隨時變化的企業(yè)輿情進行治理,是企業(yè)危機管理的重要環(huán)節(jié)?；谄髽I(yè)網(wǎng)絡(luò)輿情在產(chǎn)生和發(fā)展過程中所呈現(xiàn)的群體性,應(yīng)用群集動力學和演化博弈論的方法,在研究企業(yè)相關(guān)網(wǎng)絡(luò)輿情群體流動過程和個體流動過程的基礎(chǔ)上,構(gòu)建了企業(yè)網(wǎng)絡(luò)輿情疏導模型。通過使用多Agent仿真,應(yīng)用所提出的模型,尋求在相關(guān)約束下的最佳疏導策略,證明了企業(yè)網(wǎng)絡(luò)輿情疏導模型的有效性。研究成果為大數(shù)據(jù)財務(wù)預警模型提供預警信號的情況下,從網(wǎng)絡(luò)輿情角度對企業(yè)進行危機管理提供理論依據(jù)。
王再社[2]（2008）在《基于KD-PARSE的MAV群并行仿真》文中認為利用微型飛行器（Micro Air Vehicle:MAV）執(zhí)行搜索、偵察、電子干擾等任務(wù)具有安全、高效、成本低廉等優(yōu)點,在未來戰(zhàn)爭中MAV將發(fā)揮不可替代的作用。由于單個MAV體積小,負載、防衛(wèi)能力差,因此有必要、有可能將MAV進行編隊,利用MAV群執(zhí)行任務(wù)可以發(fā)揮更加強大的威力。我國已經(jīng)研制出多種型號的MAV,為了早日裝配部隊,有必要利用仿真技術(shù)對其群集行為進行研究。論文首先建立了MAV模型,并利用并行仿真技術(shù)在KD-PARSE仿真引擎上實現(xiàn)了MAV群的建模與仿真,運用獨道的方法提高了并行仿真的加速比和仿真模型的可擴展性。對并行仿真技術(shù)的研究在國內(nèi)尚處起步階段,作為預備知識,論文首先論述了并行仿真的基本概念,深入研究了并行仿真引擎——KD-PARSE的核心組成模塊,以及利用KD-PARSE進行應(yīng)用程序開發(fā)的建模框架,為后續(xù)工作奠定了基礎(chǔ)。接下來是并行仿真模型的建立和程序?qū)崿F(xiàn)部分。在這一部分中,首先利用基于Agent的建模方法建立了MAV及MAV群的并行仿真模型。利用MAV群執(zhí)行搜索任務(wù),先要解決MAV群的尋徑問題——預先確定一條搜索路徑,論文在基本PSO算法的基礎(chǔ)上進行并行化處理,并在KD-PARSE上利用并行化的PSO算法實現(xiàn)了最短路徑的求解過程;接著設(shè)計并實現(xiàn)了MAV群沿既定路線飛行的并行仿真程序;最后在Linux操作系統(tǒng)的QT環(huán)境下又設(shè)計實現(xiàn)了一個簡單的圖形用戶界面程序,可以作為輔助工具,用來直觀的觀察仿真過程中每個MAV的飛行軌跡。然后是并行仿真實驗及結(jié)果分析。首先通過比較研究了不同對象分解方式、不同時間管理算法和不同CPU數(shù)量對并行仿真加速比的影響;接著通過在程序中加入數(shù)據(jù)分發(fā)管理機制提高了并行仿真運行速度;最后通過采用對MAV分組、飛行場地分塊的處理方法,提高了群集模型的可擴展性。論文的最后對課題工作進行了總結(jié),并對后續(xù)工作進行了展望。
程慧[3]（2008）在《并行數(shù)據(jù)處理中間件體系結(jié)構(gòu)的研究和應(yīng)用》文中提出隨著數(shù)據(jù)庫技術(shù)及網(wǎng)絡(luò)技術(shù)的發(fā)展,信息量越來越龐大,從數(shù)據(jù)庫管理系統(tǒng)的應(yīng)用而言,數(shù)據(jù)量達到TB乃至PB級,即使運行在高性能的大型主機上,在處理大量并發(fā)用戶及大量數(shù)據(jù)時,也難以滿足應(yīng)用對CPU和I/O的性能要求。因此,采用并行技術(shù)拓展數(shù)據(jù)處理應(yīng)用成為一種迫切的需要。為了解決海量數(shù)據(jù)和異構(gòu)數(shù)據(jù)的管理和計算問題,人們提出了數(shù)據(jù)處理中間件的概念,利用中間件使相關(guān)的數(shù)據(jù)庫協(xié)同工作,實現(xiàn)互操作。并行數(shù)據(jù)處理中間件系統(tǒng)的開發(fā),能夠以較小的代價實現(xiàn)數(shù)據(jù)庫并行操作,執(zhí)行簡單、結(jié)構(gòu)靈活。本課題主要研究并行數(shù)據(jù)處理中間件系統(tǒng)的體系結(jié)構(gòu)及主要涉及的工作部件。本文利用現(xiàn)有PC機、成熟的網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫群集技術(shù),研究了并行數(shù)據(jù)處理中間件的層次結(jié)構(gòu)、硬件結(jié)構(gòu)、接口通信技術(shù)、功能結(jié)構(gòu)及各功能所涉及的關(guān)鍵技術(shù)。涉及內(nèi)容包括:基于SN結(jié)構(gòu)的群集管理系統(tǒng)模型,系統(tǒng)組件模型,群集工作狀態(tài)模型;對中間件系統(tǒng)的元數(shù)據(jù)進行分析,研究并設(shè)計了中間件系統(tǒng)元數(shù)據(jù)的管理;查詢執(zhí)行控制系統(tǒng)的工作原理及結(jié)果綜合過程;提出了采用數(shù)據(jù)放置和緩存系統(tǒng)提高系統(tǒng)性能的思想,包括數(shù)據(jù)放置的主要方法和策略;緩存系統(tǒng)的內(nèi)容、組織及管理。根據(jù)實際應(yīng)用環(huán)境,實現(xiàn)了并行數(shù)據(jù)處理中間件系統(tǒng)建立模塊和運行模塊的功能。對所研究及設(shè)計的系統(tǒng)進行了系統(tǒng)實驗和現(xiàn)場測試,根據(jù)結(jié)果對并行數(shù)據(jù)處理中間件系統(tǒng)的性能進行了評價。目前,該并行數(shù)據(jù)處理中間件系統(tǒng),已經(jīng)在大型應(yīng)用工程中得到實際應(yīng)用。并行數(shù)據(jù)處理中間件系統(tǒng)的研究和實現(xiàn),為用戶提供了統(tǒng)一的服務(wù)接口和管理平臺,提高了系統(tǒng)的性能,增強了系統(tǒng)的可用性和可維護性,保護了用戶的已有投資。
陶振武[4]（2007）在《基于群集智能的產(chǎn)品共進化設(shè)計方法研究》文中進行了進一步梳理現(xiàn)代市場競爭愈加激烈,提高產(chǎn)品質(zhì)量、縮短產(chǎn)品研發(fā)周期和提高產(chǎn)品創(chuàng)新性是提升產(chǎn)品競爭力的有效手段。由于產(chǎn)品功能和結(jié)構(gòu)越來越復雜,因此如何利用現(xiàn)代信息技術(shù)提高傳統(tǒng)設(shè)計方法的效率和質(zhì)量,建立能夠滿足產(chǎn)品創(chuàng)新性要求的產(chǎn)品創(chuàng)新設(shè)計方法無疑具有非常重要的理論意義和現(xiàn)實意義。本文借鑒國內(nèi)外相關(guān)研究成果,將新型的群集智能方法與共進化設(shè)計原理相融合,從機構(gòu)創(chuàng)新設(shè)計、結(jié)構(gòu)優(yōu)化設(shè)計、公差優(yōu)化設(shè)計等角度對產(chǎn)品共進化設(shè)計方法進行了深入研究,為產(chǎn)品創(chuàng)新設(shè)計理論提供了一種新的研究途徑。通過對現(xiàn)有的設(shè)計模型的分析,構(gòu)建了產(chǎn)品創(chuàng)新設(shè)計過程的三維空間描述和復雜設(shè)計問題求解過程的形式化描述方法,揭示了產(chǎn)品創(chuàng)新設(shè)計過程中的“問題空間—算子空間—解空間”共進化原理。根據(jù)產(chǎn)品設(shè)計的需要,將該共進化原理實例化為“問題空間-解空間”、“算子空間-解空間”和“問題空間-算子空間”三種共進化子模式。在“算子空間-解空間”共進化的子模式下,針對機構(gòu)創(chuàng)新設(shè)計問題,首先提出了一種采用進化蟻群優(yōu)化算法求解最大結(jié)構(gòu)碼的機構(gòu)同構(gòu)判定方法;然后給出機構(gòu)軌跡曲線的數(shù)字化描述方法,提出了基于蟻群聚類算法的機構(gòu)軌跡聚類方法和機構(gòu)軌跡匹配方法;最后分別采用平面10桿機構(gòu)的同構(gòu)判定和平面4桿機構(gòu)的軌跡綜合兩個實例驗證上述方法的有效性。針對公差優(yōu)化設(shè)計問題,首先以將加工成本與質(zhì)量損失作為設(shè)計目標,建立了工藝公差優(yōu)化設(shè)計的多目標模型;再根據(jù)Pareto最優(yōu)性原理提出了一種直接求解該問題的Pareto最優(yōu)解集的多目標粒子群優(yōu)化算法;隨后研究了工藝、工序并行的公差優(yōu)化設(shè)計問題的建模及其轉(zhuǎn)化,提出了用于該類問題求解的一種混合群集智能算法;最后給出了兩個公差優(yōu)化設(shè)計的應(yīng)用實例。在“問題空間-解空間”共進化的子模式下,提出了基于蟻群優(yōu)化算法的離散變量桁架結(jié)構(gòu)共進化設(shè)計方法。首先將離散變量桁架結(jié)構(gòu)優(yōu)化設(shè)計過程分為拓撲空間（即問題空間）和尺寸空間（即解空間）共進化的兩個子過程,提出了桁架結(jié)構(gòu)的尺寸優(yōu)化模型和拓撲優(yōu)化模型及其向標準組合優(yōu)化問題轉(zhuǎn)化的方法。為尺寸優(yōu)化子過程和拓撲優(yōu)化子過程分別定制了相應(yīng)的蟻群優(yōu)化算法,并對算法的參數(shù)選擇和收斂過程進行了分析和探討。通過對標準的10桿和15桿桁架在不同載荷和位移約束下的共進化設(shè)計,結(jié)果表明該方法具有效率高、全局收斂和魯棒性好等特點。最后將該方法應(yīng)用于某拋物面天線背架結(jié)構(gòu)優(yōu)化設(shè)計的工程實例。在“問題空間-算子空間”共進化的子模式下,通過元胞自動機和結(jié)構(gòu)單元之間的映射關(guān)系,研究在外載荷和約束作用下,連續(xù)結(jié)構(gòu)的單元之間通過局部作用形成最優(yōu)整體拓撲的機理,提出了一種基于元胞自動機的連續(xù)結(jié)構(gòu)拓撲優(yōu)化設(shè)計方法。以標準的二維懸臂梁拓撲優(yōu)化設(shè)計為例,討論了局部規(guī)則控制參數(shù)組合和元胞鄰居結(jié)構(gòu)對進化過程的影響。理論分析和數(shù)值實驗結(jié)果表明,該方法的時間復雜度和空間復雜度都很低,收斂速度快,適合于大規(guī)模問題求解,且不存在棋盤格和網(wǎng)格依賴等數(shù)值不穩(wěn)定性。最后將該方法應(yīng)用于方形平板散熱結(jié)構(gòu)拓撲優(yōu)化設(shè)計和機翼剖面結(jié)構(gòu)拓撲優(yōu)化設(shè)計的兩個工程實例?；谏鲜隼碚摲椒ㄑ芯砍晒?實現(xiàn)了所有算法的程序編制,研制了基于群集智能的產(chǎn)品共進化設(shè)計原型系統(tǒng),并對其可行性和有效性進行了驗證。
常光輝[5]（2007）在《實時集群系統(tǒng)的設(shè)計實現(xiàn)與優(yōu)化》文中研究表明基于開放式體系標準,采用通用商業(yè)產(chǎn)品構(gòu)建的集群計算體系已在高性能計算領(lǐng)域得到大量采用,在全世界排名前500名的超級計算機系統(tǒng)中,有360個為集群體系結(jié)構(gòu),占到了500強總數(shù)量的72%[1]。集群系統(tǒng)是在商品化部件日益高性能、穩(wěn)定可靠、并且廉價的背景下出現(xiàn)的,人們將服務(wù)器、工作站、甚至高檔微機用高速互聯(lián)網(wǎng)絡(luò)連接起來,用以代替價格昂貴的大型機和M PP等系統(tǒng)。集群系統(tǒng)以良好的可擴展性和性價比,迅速成為構(gòu)建超級計算機的首選體系結(jié)構(gòu)。同時,由于各種應(yīng)用系統(tǒng)大數(shù)據(jù)量處理,高密度的數(shù)據(jù)吞吐的需求也對集群系統(tǒng)的高擴展性也提出了更高的要求。將集群調(diào)度分派功能全部分布至后端服務(wù)節(jié)點,能夠大大降低傳統(tǒng)上提供調(diào)度及系統(tǒng)平衡負載機制的前端機的負荷,消除了系統(tǒng)擴展功能的瓶頸。但實時性應(yīng)用苛刻的響應(yīng)時限要求也對集群體系功能提出了挑戰(zhàn)。常規(guī)的實時操作系統(tǒng)通過內(nèi)核實時調(diào)度,集中計算資源保證了實時任務(wù)的時限。但其資源調(diào)度基于單機系統(tǒng),缺乏支持多節(jié)點集群體系的功能,且多用于嵌入式體系,內(nèi)存和儲存空間有限,難于支持集群結(jié)構(gòu)。目前通行的在中間層加入集群負載平衡調(diào)度的作法側(cè)重于荷載均衡分布,目標是系統(tǒng)產(chǎn)出最大化,而難以滿足實時任務(wù)對響應(yīng)時限的要求。因此,研究針對開放式集群體系的實時調(diào)度機制,實現(xiàn)對不同時限任務(wù)的區(qū)分,在保證實時任務(wù)時限的同時兼顧吞吐量的需求已經(jīng)變得十分緊迫。本文調(diào)研了當前集群系統(tǒng)的現(xiàn)狀,分析了實時集群系統(tǒng)的實際需求,詳細研究工作如下:①提出了三種實時調(diào)度策略,并在Linux系統(tǒng)平臺下對實時集群系統(tǒng)進行了詳細設(shè)計,建立了開放式的實時集群系統(tǒng)平臺。②除此以外,專門研究了在系統(tǒng)超載情況下的應(yīng)對策略,提出了超載情況下緩解系統(tǒng)壓力,遏制系統(tǒng)性能惡化的任務(wù)丟棄機制。③在分析了當前系統(tǒng)節(jié)點的發(fā)展趨勢并且充分考慮了Linux操作系統(tǒng)中CPU和IO之間的協(xié)調(diào)關(guān)系之后,本文作了順序服務(wù)模式和并發(fā)服務(wù)模式的研究,同時也提出了一種在并發(fā)模式下的彈性控制機制,使得多個任務(wù)能夠更加合理的在并發(fā)模式下共享系統(tǒng)資源。④對于現(xiàn)有RTCS系統(tǒng)的通信IO做出了優(yōu)化分析,利用開放平臺提供的IO多路復用方法提高了系統(tǒng)的響應(yīng)能力,挖掘了系統(tǒng)潛在的并行性,增強了前端機的處理能力。以上各種優(yōu)化設(shè)計都得到了實驗的證明,其總體性能均優(yōu)于原始的RTCS集群系統(tǒng)。
賴國明,楊圣云[6]（2004）在《一種利用工作站群集的并行計算研究方案》文中認為提出一種利用工作站群集的并行計算研究方案,即在現(xiàn)有的局域網(wǎng)基礎(chǔ)上構(gòu)建PC群集,為相關(guān)科學研究提供并行計算平臺.分析了編程環(huán)境,并給出了一個求π的MPI程序?qū)嵗?
秦學勇[7]（2003）在《可擴展數(shù)據(jù)倉庫性能管理的研究與設(shè)計》文中進行了進一步梳理在信息技術(shù)高速發(fā)展和激烈市場競爭的今天，企業(yè)管理者如何從來自不同數(shù)據(jù)源的大量的數(shù)據(jù)中得到良好的決策支持，這就產(chǎn)生了數(shù)據(jù)倉庫技術(shù)。本文從數(shù)據(jù)集成、查詢優(yōu)化和并行技術(shù)三個方面、對數(shù)據(jù)倉庫的性能進行了研究和討論。在進行數(shù)據(jù)集成的時候?qū)Σ煌臄?shù)據(jù)源采用不同的策略，對數(shù)據(jù)倉庫平臺中休眠數(shù)據(jù)的處理我們要根據(jù)其產(chǎn)生的特點，預先評估數(shù)據(jù)的可靠性和價值方面的問題，可以在數(shù)據(jù)集成的時候?qū)⒉槐匾臄?shù)據(jù)拒之門外，對查找出的休眠數(shù)據(jù)采用不同的方法從數(shù)據(jù)倉庫中刪除它們。當大量的企業(yè)內(nèi)部數(shù)據(jù)和復雜的外部數(shù)據(jù)不斷進入數(shù)據(jù)倉庫以后，如果用軟件的方法和現(xiàn)有的條件已經(jīng)無法改善它的性能的時候，則必須通過使用并行硬件和并行軟件技術(shù)來擴展原有的結(jié)構(gòu)以適應(yīng)新環(huán)境要求。本文的第五章中我們建立了一個考試數(shù)據(jù)倉庫平臺，通過使用該平臺，管理者和用戶可以很方便地查詢考試方面的信息，我們在數(shù)據(jù)集成時對文本文件等信息處理和休眠數(shù)據(jù)的處理、數(shù)據(jù)的分割和布紋等方面取得了較好的效果。
周美蓮[8]（2000）在《微機群集并行系統(tǒng)中的系統(tǒng)構(gòu)建》文中研究說明基于微機群集 ,構(gòu)建了一個實際的分布式并行處理系統(tǒng) .討論了其中所涉及的計算機硬件、操作系統(tǒng)、并行軟件平臺、并行程序編譯運行等的關(guān)鍵技術(shù) .測試了所構(gòu)建的分布式并行系統(tǒng)的通信與計算性能 .
陳昌生,李志良,譚福平[9]（2000）在《基于高性能微機群集的并行計算環(huán)境的設(shè)計與實現(xiàn)》文中進行了進一步梳理基于工作站或高性能微機群組的并行計算 ,是并行計算領(lǐng)域研究的熱點 .常見的并行環(huán)境有 MPI（ MessagePassing Interface）、PVM（ Parallel Virtual Machine）等 ,但它們編程復雜 ,并行程序的可移植性差 .該文介紹了一種有效的并行計算模型 BSP,它的并行編程容易 ,性能可預測 ,程序的可移植性好 .最后 ,討論了它在高性能微機群集上的程序設(shè)計和實現(xiàn) .實驗結(jié)果說明這種并行計算環(huán)境具有良好的性能 ,可擴展性好 .關(guān)鍵詞 :并行計算 ;微機群集 ;BSP模型基于工作站或高性能微機群組的并行計算 ,是并行計算領(lǐng)域研究的熱點 .常見的并行環(huán)境有 MPI（ MessagePassing Interface）、PVM（ Parallel Virtual Machine）等 ,但它們編程復雜 ,并行程序的可移植性差 .該文介紹了一種有效的并行計算模型 BSP,它的并行編程容易 ,性能可預測 ,程序的可移植性好 .最后 ,討論了它在高性能微機群集上的程序設(shè)計和實現(xiàn) .實驗結(jié)果說明這種并行計算環(huán)境具有良好的性能 ,可擴展性好
莊昌文,林曉東,劉心松[10]（1998）在《實現(xiàn)并行計算的群集系統(tǒng)》文中研究說明由于工作站性能快速增強和ＬＡＮ帶寬提高，群集系統(tǒng)逐漸成為并行計算領(lǐng)域中的重要分支。本文描述了群集系統(tǒng)的特征并討論了其實現(xiàn)中的一些關(guān)鍵技術(shù)，如互連網(wǎng)絡(luò)，ＰＶＭ和ＭＰＩ，最后肯定了群集系統(tǒng)的發(fā)展前景。
二、微機群集并行系統(tǒng)的應(yīng)用技術(shù)（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準備的觀點或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結(jié)構(gòu)并詳細分析其設(shè)計過程。在該MMU結(jié)構(gòu)中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構(gòu)映射地址空間,并詳細論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲系統(tǒng)實現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關(guān)信息。
實驗法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認事物間的因果關(guān)系。
文獻研究法：通過調(diào)查文獻來獲得資料，從而全面的、正確的了解掌握研究方法。
實證研究法：依據(jù)現(xiàn)有的科學理論和實踐的需要提出設(shè)計。
定性分析法：對研究對象進行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認識進一步精確化。
跨學科研究法：運用多學科的理論、方法和成果從整體上對某一課題進行研究。
功能分析法：這是社會科學用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設(shè)一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、微機群集并行系統(tǒng)的應(yīng)用技術(shù)（論文提綱范文）
（1）基于大數(shù)據(jù)的企業(yè)財務(wù)預警理論與方法研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第1章 緒論 |
| 1.1 選題背景和研究意義 |
| 1.2 主要研究內(nèi)容 |
| 1.3 國內(nèi)外相關(guān)研究綜述 |
| 1.4 研究的創(chuàng)新之處 |
| 1.5 論文的結(jié)構(gòu) |
| 第2章 企業(yè)財務(wù)預警效果影響因素分析 |
| 2.1 財務(wù)危機預警效果影響因素 |
| 2.2 依靠監(jiān)管提高預警效果的有效性分析 |
| 2.3 模型仿真與結(jié)果分析 |
| 2.4 本章小結(jié) |
| 第3章 基于大數(shù)據(jù)的財務(wù)預警模型 |
| 3.1 問題的提出 |
| 3.2 理論假設(shè) |
| 3.3 基于大數(shù)據(jù)的企業(yè)財務(wù)預警模型設(shè)計 |
| 3.4 模型仿真 |
| 3.5 本章小結(jié) |
| 第4章 企業(yè)財務(wù)預警大數(shù)據(jù)指標數(shù)據(jù)獲取算法 |
| 4.1 問題的提出 |
| 4.2 適用于大數(shù)據(jù)的SVM參數(shù)尋優(yōu)策略 |
| 4.3 企業(yè)主題相關(guān)爬蟲實現(xiàn)策略 |
| 4.4 算法實現(xiàn) |
| 4.5 實驗分析 |
| 4.6 本章小結(jié) |
| 第5章 企業(yè)財務(wù)預警大數(shù)據(jù)指標數(shù)據(jù)處理 |
| 5.1 問題的提出 |
| 5.2 基于財經(jīng)領(lǐng)域詞典的企業(yè)財務(wù)大數(shù)據(jù)語義分析總體算法 |
| 5.3 財經(jīng)類網(wǎng)頁爬蟲算法 |
| 5.4 財經(jīng)領(lǐng)域情感詞典的建立 |
| 5.5 語義分析 |
| 5.6 實驗分析 |
| 5.7 本章小結(jié) |
| 第6章 基于大數(shù)據(jù)的財務(wù)預警模型實證分析 |
| 6.1 研究樣本 |
| 6.2 研究方法 |
| 6.3 模型的構(gòu)建 |
| 6.4 實證研究和結(jié)果分析 |
| 6.5 本章小結(jié) |
| 第7章 基于大數(shù)據(jù)財務(wù)預警模型的企業(yè)危機管理 |
| 7.1 問題的提出 |
| 7.2 企業(yè)危機與企業(yè)網(wǎng)絡(luò)輿情關(guān)系分析 |
| 7.3 基于群集動力的企業(yè)網(wǎng)絡(luò)輿情演化博弈分析 |
| 7.4 演化博弈仿真 |
| 7.5 大數(shù)據(jù)技術(shù)背景下企業(yè)網(wǎng)絡(luò)輿情疏導分析 |
| 7.6 基于大數(shù)據(jù)財務(wù)預警模型進行企業(yè)危機管理的建議和措施 |
| 第8章 結(jié)論與展望 |
| 8.1 主要研究結(jié)論 |
| 8.2 研究局限與展望 |
| 參考文獻 |
| 附錄 |
| 致謝 |
| 攻讀博士期間的研究成果 |
（2）基于KD-PARSE的MAV群并行仿真（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 課題研究背景 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 關(guān)于MAV群仿真的研究 |
| 1.2.2 并行仿真技術(shù)應(yīng)用現(xiàn)狀 |
| 1.3 課題研究意義及目標 |
| 1.4 論文的主要內(nèi)容和組織結(jié)構(gòu) |
| 第二章 KD-PARSE的體系結(jié)構(gòu)與建?？蚣?/td> |
| 2.1 并行仿真的基本概念 |
| 2.2 KD-PARSE體系結(jié)構(gòu) |
| 2.2.1 KD-PARSE的層次結(jié)構(gòu) |
| 2.2.2 事件處理模塊 |
| 2.2.3 時間同步算法 |
| 2.3 KD-PARSE的建模框架 |
| 2.3.1 基本組成模塊 |
| 2.3.2 仿真對象和對象管理器 |
| 2.3.3 事件API |
| 2.3.4 交互（Interactions） |
| 2.3.5 并行仿真主程序 |
| 2.4 本章小結(jié) |
| 第三章 MAV及MAV群模型 |
| 3.1 建模依據(jù) |
| 3.2 MAV模型建立 |
| 3.2.1 MAV動力學、運動學模型 |
| 3.2.2 MAV傳感器模型 |
| 3.3 MAV群行為規(guī)則 |
| 3.3.1 Reynolds的群模型 |
| 3.3.2 MAV群行為模型 |
| 3.4 本章小結(jié) |
| 第四章 利用MAV群執(zhí)行搜索任務(wù)的程序設(shè)計與實現(xiàn) |
| 4.1 用PSO算法求解MAV群搜索路徑 |
| 4.1.1 PSO算法概述 |
| 4.1.2 問題模型設(shè)計 |
| 4.1.3 算法并行化及其實現(xiàn) |
| 4.1.4 算法實現(xiàn)的正確性驗證 |
| 4.2 MAV群并行仿真程序設(shè)計 |
| 4.2.1 仿真對象、事件與交互 |
| 4.2.2 程序流程 |
| 4.3 用戶圖形界面程序 |
| 4.4 本章小結(jié) |
| 第五章 并行仿真實驗及結(jié)果分析 |
| 5.1 可重復性實驗 |
| 5.1.1 實驗目的及方法 |
| 5.1.2 實驗結(jié)果及分析 |
| 5.2 不同處理器分布情況實驗 |
| 5.2.1 實驗目的及方法 |
| 5.2.2 實驗結(jié)果及分析 |
| 5.3 對象分解方式比較 |
| 5.3.1 實驗目的及方法 |
| 5.3.2 實驗結(jié)果及分析 |
| 5.4 時間同步算法比較 |
| 5.4.1 實驗目的及方法 |
| 5.4.2 實驗結(jié)果及分析 |
| 5.5 并行仿真加速比研究 |
| 5.5.1 實驗目的及方法 |
| 5.5.2 實驗結(jié)果及分析 |
| 5.6 增加數(shù)據(jù)過濾管理模塊 |
| 5.6.1 實驗目的及方法 |
| 5.6.2 實驗結(jié)果及分析 |
| 5.7 分組、分塊管理 |
| 5.7.1 基本思想及實驗方法 |
| 5.7.2 實驗數(shù)據(jù)及分析 |
| 5.8 本章小結(jié) |
| 第六章 結(jié)束語 |
| 6.1 論文工作總結(jié) |
| 6.2 后續(xù)工作展望 |
| 致謝 |
| 參考文獻 |
| 作者在學期間取得的學術(shù)成果 |
（3）并行數(shù)據(jù)處理中間件體系結(jié)構(gòu)的研究和應(yīng)用（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 課題來源及背景 |
| 1.1.1 課題來源 |
| 1.1.2 課題背景 |
| 1.2 課題研究的目的與意義 |
| 1.3 國內(nèi)外研究現(xiàn)狀分析 |
| 1.3.1 群集系統(tǒng) |
| 1.3.2 并行數(shù)據(jù)處理技術(shù) |
| 1.3.3 數(shù)據(jù)處理中間件 |
| 1.4 課題主要研究內(nèi)容 |
| 1.5 論文的組織 |
| 第2章 并行數(shù)據(jù)處理中間件體系結(jié)構(gòu)的研究 |
| 2.1 并行數(shù)據(jù)庫體系結(jié)構(gòu) |
| 2.1.1 SM體系結(jié)構(gòu) |
| 2.1.2 SD體系結(jié)構(gòu) |
| 2.1.3 SN體系結(jié)構(gòu) |
| 2.1.4 三種結(jié)構(gòu)的對比 |
| 2.2 并行數(shù)據(jù)處理中間件系統(tǒng) |
| 2.2.1 中間件功能結(jié)構(gòu) |
| 2.2.2 信息服務(wù) |
| 2.2.3 系統(tǒng)運行 |
| 2.3 群集管理系統(tǒng)的研究 |
| 2.3.1 全局資源管理 |
| 2.3.2 單一系統(tǒng)映像 |
| 2.4 本章小結(jié) |
| 第3章 并行數(shù)據(jù)處理中間件的設(shè)計 |
| 3.1 并行數(shù)據(jù)處理中間件總體結(jié)構(gòu)的設(shè)計 |
| 3.1.1 并行數(shù)據(jù)處理中間件三層框架 |
| 3.1.2 并行數(shù)據(jù)處理中間件硬件結(jié)構(gòu) |
| 3.1.3 并行數(shù)據(jù)處理中間件系統(tǒng)體系結(jié)構(gòu) |
| 3.1.4 并行數(shù)據(jù)處理中間件系統(tǒng)各層間的接口通信 |
| 3.1.5 并行數(shù)據(jù)處理中間件功能結(jié)構(gòu) |
| 3.2 群集管理系統(tǒng)的設(shè)計 |
| 3.2.1 群集管理系統(tǒng)模型 |
| 3.2.2 群集管理系統(tǒng)功能描述 |
| 3.2.3 群集資源管理系統(tǒng)的組件模型 |
| 3.2.4 群集資源管理系統(tǒng)的工作狀態(tài)模型 |
| 3.3 并行數(shù)據(jù)處理元數(shù)據(jù)的設(shè)計 |
| 3.3.1 元數(shù)據(jù)的分析 |
| 3.3.2 并行數(shù)據(jù)處理中間系統(tǒng)的元數(shù)據(jù)模型 |
| 3.3.3 元數(shù)據(jù)上的操作 |
| 3.4 查詢執(zhí)行控制系統(tǒng)的設(shè)計 |
| 3.4.1 查詢執(zhí)行控制系統(tǒng)功能描述 |
| 3.4.2 查詢執(zhí)行控制系統(tǒng)工作原理 |
| 3.4.3 查詢結(jié)果綜合 |
| 3.5 相關(guān)功能的設(shè)計 |
| 3.5.1 中間件系統(tǒng)數(shù)據(jù)放置的設(shè)計 |
| 3.5.2 中間件系統(tǒng)緩存系統(tǒng)的設(shè)計 |
| 3.6 本章小結(jié) |
| 第4章 并行數(shù)據(jù)處理中間件系統(tǒng)的實現(xiàn) |
| 4.1 總體結(jié)構(gòu)的功能實現(xiàn) |
| 4.2 建立模塊的實現(xiàn) |
| 4.2.1 群集管理系統(tǒng)的實現(xiàn) |
| 4.2.2 數(shù)據(jù)字典模塊的實現(xiàn) |
| 4.2.3 通訊模塊的實現(xiàn) |
| 4.3 系統(tǒng)運行模塊的實現(xiàn) |
| 4.3.1 語法分析模塊的實現(xiàn) |
| 4.3.2 執(zhí)行控制模塊的實現(xiàn) |
| 4.3.3 客戶應(yīng)用端的實現(xiàn) |
| 4.4 并行數(shù)據(jù)處理中間件系統(tǒng)實驗及應(yīng)用測試 |
| 4.4.1 數(shù)據(jù)放置和劃分方案測試 |
| 4.4.2 緩存效果測試 |
| 4.4.3 應(yīng)用現(xiàn)場測試 |
| 4.5 本章小結(jié) |
| 結(jié)論 |
| 參考文獻 |
| 攻讀碩士學位期間發(fā)表的論文和取得的科研成果 |
| 致謝 |
（4）基于群集智能的產(chǎn)品共進化設(shè)計方法研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 課題背景及研究意義 |
| 1.2 設(shè)計復雜性及其處理方法 |
| 1.2.1 復雜性的定義 |
| 1.2.2 設(shè)計復雜性的分類 |
| 1.2.3 設(shè)計復雜性的仿生處理方法 |
| 1.3 群集智能研究進展 |
| 1.3.1 群集智能產(chǎn)生的背景 |
| 1.3.2 群集智能的生物原型和算法模型 |
| 1.3.3 群集智能的典型應(yīng)用 |
| 1.4 進化設(shè)計方法研究進展 |
| 1.4.1 進化設(shè)計的三個層面 |
| 1.4.2 面向問題求解的進化設(shè)計方法及應(yīng)用 |
| 1.4.3 基于基因建模和操作的進化設(shè)計方法、系統(tǒng)與應(yīng)用 |
| 1.4.4 人工生命與全自動進化設(shè)計 |
| 1.5 本文的主要研究內(nèi)容與體系結(jié)構(gòu) |
| 2 基于群集智能的產(chǎn)品共進化設(shè)計方法 |
| 2.1 產(chǎn)品創(chuàng)新設(shè)計過程的三維空間描述 |
| 2.2 復雜設(shè)計問題求解過程的形式化描述 |
| 2.3 面向產(chǎn)品設(shè)計的共進化思想 |
| 2.3.1 生物界的共進化現(xiàn)象 |
| 2.3.2 問題空間－算子空間－解空間的共進化 |
| 2.4 小結(jié) |
| 3 基于蟻群算法的機構(gòu)創(chuàng)新設(shè)計方法 |
| 3.1 引言 |
| 3.2 基于進化蟻群優(yōu)化算法的機構(gòu)同構(gòu)判定 |
| 3.2.1 機構(gòu)同構(gòu)判定問題的模型及其轉(zhuǎn)化 |
| 3.2.2 MSC 的進化蟻群優(yōu)化算法求解 |
| 3.2.3 EACS 算法的數(shù)值實驗 |
| 3.3 平面10 桿機構(gòu)同構(gòu)判定實例 |
| 3.4 基于蟻群聚類算法的機構(gòu)軌跡綜合 |
| 3.4.1 機構(gòu)軌跡綜合問題處理思路 |
| 3.4.2 機構(gòu)軌跡的數(shù)字化描述模型 |
| 3.4.3 基于蟻群聚類算法的機構(gòu)軌跡曲線聚類分析 |
| 3.4.4 機構(gòu)軌跡模式匹配 |
| 3.5 平面4 桿機構(gòu)軌跡綜合實例 |
| 3.6 小結(jié) |
| 4 基于粒子群優(yōu)化算法的公差優(yōu)化設(shè)計方法 |
| 4.1 引言 |
| 4.2 公差優(yōu)化設(shè)計問題的數(shù)學模型 |
| 4.2.1 工藝公差優(yōu)化設(shè)計的多目標優(yōu)化模型 |
| 4.2.2 工序和工藝公差并行優(yōu)化設(shè)計模型 |
| 4.3 基于多目標粒子群優(yōu)化算法的工藝公差優(yōu)化設(shè)計 |
| 4.3.1 粒子群優(yōu)化算法 |
| 4.3.2 多目標粒子群優(yōu)化算法 |
| 4.4 零件工藝公差多目標優(yōu)化設(shè)計實例 |
| 4.5 基于混合群集智能算法的并行公差優(yōu)化設(shè)計 |
| 4.5.1 并行公差優(yōu)化設(shè)計問題模型的轉(zhuǎn)化 |
| 4.5.2 混合群集智能算法 |
| 4.6 工序與工藝并行公差優(yōu)化設(shè)計實例 |
| 4.7 小結(jié) |
| 5 基于蟻群優(yōu)化算法的離散變量桁架結(jié)構(gòu)共進化設(shè)計方法 |
| 5.1 引言 |
| 5.2 離散變量桁架結(jié)構(gòu)的優(yōu)化設(shè)計模型 |
| 5.2.1 離散變量桁架結(jié)構(gòu)尺寸優(yōu)化模型 |
| 5.2.2 離散結(jié)構(gòu)拓撲優(yōu)化模型 |
| 5.3 離散變量桁架結(jié)構(gòu)共進化設(shè)計過程 |
| 5.4 面向離散變量桁架結(jié)構(gòu)共進化設(shè)計的定制蟻群優(yōu)化算法 |
| 5.4.1 面向離散變量桁架結(jié)構(gòu)尺寸優(yōu)化設(shè)計的定制蟻群優(yōu)化算法 |
| 5.4.2 面向離散變量桁架結(jié)構(gòu)拓撲優(yōu)化設(shè)計的定制蟻群算法 |
| 5.4.3 計算復雜度分析 |
| 5.5 數(shù)值實驗與性能分析 |
| 5.5.1 算法參數(shù)設(shè)置 |
| 5.5.2 載荷對結(jié)構(gòu)共進化設(shè)計的影響 |
| 5.5.3 位移約束對結(jié)構(gòu)共進化設(shè)計的影響 |
| 5.6 拋物面天線背架結(jié)構(gòu)優(yōu)化設(shè)計實例 |
| 5.7 小結(jié) |
| 6 基于元胞自動機的連續(xù)結(jié)構(gòu)共進化設(shè)計方法 |
| 6.1 引言 |
| 6.2 連續(xù)結(jié)構(gòu)拓撲優(yōu)化設(shè)計的問題模型 |
| 6.2.1 穩(wěn)定力載荷下連續(xù)結(jié)構(gòu)拓撲優(yōu)化設(shè)計問題模型 |
| 6.2.2 穩(wěn)態(tài)傳熱條件下的連續(xù)結(jié)構(gòu)拓撲優(yōu)化設(shè)計問題模型 |
| 6.3 基于元胞自動機的連續(xù)結(jié)構(gòu)共進化設(shè)計過程 |
| 6.4 元胞自動機模型構(gòu)造 |
| 6.4.1 元胞自動機的基本概念 |
| 6.4.2 結(jié)構(gòu)單元到元胞的映射 |
| 6.4.3 基于PID 控制理論的局部進化規(guī)則設(shè)計 |
| 6.4.4 收斂性判定準則 |
| 6.4.5 算法計算復雜度的理論分析 |
| 6.5 參數(shù)選擇與討論 |
| 6.5.1 PID 控制參數(shù)的選擇與討論 |
| 6.5.2 鄰居結(jié)構(gòu)的討論 |
| 6.6 方形平板散熱結(jié)構(gòu)拓撲優(yōu)化設(shè)計實例 |
| 6.7 機翼剖面結(jié)構(gòu)拓撲優(yōu)化設(shè)計實例 |
| 6.7.1 翼剖面的基本理論 |
| 6.7.2 翼剖面拓撲優(yōu)化設(shè)計實例 |
| 6.8 小結(jié) |
| 7 基于群集智能的產(chǎn)品共進化設(shè)計原型系統(tǒng) |
| 7.1 原型系統(tǒng)簡介 |
| 7.1.1 系統(tǒng)功能 |
| 7.1.2 系統(tǒng)結(jié)構(gòu) |
| 7.2 原型系統(tǒng)開發(fā)的關(guān)鍵技術(shù) |
| 7.3 機構(gòu)創(chuàng)新設(shè)計支持系統(tǒng)子模塊 |
| 7.3.1 機構(gòu)同構(gòu)判定子功能模塊 |
| 7.3.2 機構(gòu)軌跡綜合子功能模塊 |
| 7.4 公差優(yōu)化設(shè)計系統(tǒng)子模塊 |
| 7.5 離散變量桁架結(jié)構(gòu)共進化設(shè)計系統(tǒng)子模塊 |
| 7.6 連續(xù)結(jié)構(gòu)共進化設(shè)計系統(tǒng)子模塊 |
| 7.7 小結(jié) |
| 8 全文總結(jié)與展望 |
| 8.1 全文總結(jié) |
| 8.2 展望 |
| 致謝 |
| 參考文獻 |
| 附錄I 攻讀博士學位期間發(fā)表論文情況 |
| 附錄II 攻讀博士學位期間獲獎情況 |
（5）實時集群系統(tǒng)的設(shè)計實現(xiàn)與優(yōu)化（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 問題的提出及研究意義 |
| 1.1.1 問題的提出 |
| 1.1.2 研究的意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.3 本文研究的目的和研究內(nèi)容 |
| 1.4 技術(shù)路線 |
| 2 集群技術(shù)概述 |
| 2.1 計算機體系結(jié)構(gòu)的演變 |
| 2.1.1 計算機發(fā)展的幾個階段 |
| 2.1.2 可擴展的計算機體系結(jié)構(gòu)及演變趨勢 |
| 2.2 基于LINUX 的集群系統(tǒng) |
| 2.2.1 Linux 集群的發(fā)展 |
| 2.2.2 集群的分類 |
| 2.2.3 幾種有代表性的集群的構(gòu)建的方法以及比較 |
| 2.3 集群系統(tǒng)的特點 |
| 3 實時集群系統(tǒng)RTCS 的設(shè)計與實現(xiàn) |
| 3.1 實時集群系統(tǒng)體系結(jié)構(gòu) |
| 3.1.1 實時集群系統(tǒng)的構(gòu)建思想 |
| 3.1.2 實時集群系統(tǒng)的硬件體系結(jié)構(gòu) |
| 3.1.3 實時集群系統(tǒng)的軟件體系結(jié)構(gòu) |
| 3.2 RTCS 的三種調(diào)度策略 |
| 3.2.1 集中式調(diào)度 |
| 3.2.2 部分分布式調(diào)度 |
| 3.2.3 全分布式調(diào)度 |
| 3.3 RTCS 系統(tǒng)的組件設(shè)計與實現(xiàn) |
| 3.3.1 總體模塊設(shè)計 |
| 3.3.2 RTCS 類結(jié)構(gòu) |
| 3.3.3 CS 調(diào)度策略的實現(xiàn) |
| 3.3.4 DS 調(diào)度策略的實現(xiàn) |
| 3.3.5 PBDS 調(diào)度策略的實現(xiàn) |
| 3.4 本章小結(jié) |
| 4 RTCS 的優(yōu)化分析設(shè)計與實現(xiàn) |
| 4.1 后端服務(wù)器的服務(wù)模式研究 |
| 4.1.1 順序服務(wù)模式 |
| 4.1.2 多進程并發(fā)服務(wù)模式 |
| 4.2 后端服務(wù)器的彈性控制算法 |
| 4.3 丟棄任務(wù)機制 |
| 4.3.1 提前丟棄 |
| 4.3.2 執(zhí)行中丟棄 |
| 4.4 通信組件的優(yōu)化分析及設(shè)計實現(xiàn) |
| 4.4.1 Linux 環(huán)境下通信編程簡介 |
| 4.4.2 異步 IO 機制 |
| 4.4.3 多路復用的優(yōu)先級服務(wù)算法 |
| 4.5 本章小結(jié) |
| 5 系統(tǒng)測試與性能分析 |
| 5.1 實驗設(shè)計 |
| 5.2 性能參數(shù) |
| 5.3 變化節(jié)點數(shù)下的性能對比實驗 |
| 5.4 大數(shù)量傳感器對比實驗 |
| 5.5 服務(wù)模式對比實驗及彈性控制算法實驗 |
| 5.5.1 順序與并發(fā)服務(wù)模式性能對比實驗 |
| 5.5.2 彈性控制算法實驗 |
| 6 論文總結(jié)與展望 |
| 致謝 |
| 參考文獻 |
| 附錄 |
| 作者攻讀學位期間發(fā)表的論文 |
| 作者攻讀學位期間參加的科研項目 |
（6）一種利用工作站群集的并行計算研究方案（論文提綱范文）
| 1 工作站群集并行計算方案 |
| 1.1 群集結(jié)構(gòu) |
| 1.2 MPI編程環(huán)境 |
| 1.3 4個節(jié)點的實驗平臺 |
| 2 應(yīng)用實例 |
| 3 結(jié)束語 |
（7）可擴展數(shù)據(jù)倉庫性能管理的研究與設(shè)計（論文提綱范文）
| 第一章 可擴展數(shù)據(jù)倉庫性能管理概述 |
| 1.1 數(shù)據(jù)倉庫技術(shù)概述 |
| 1.1.1 數(shù)據(jù)倉庫的概念 |
| 1.1.2 數(shù)據(jù)倉庫的產(chǎn)生 |
| 1.2 數(shù)據(jù)倉庫性能概述 |
| 1.2.1 數(shù)據(jù)集成 |
| 1.2.2 查詢 |
| 1.2.3 并行技術(shù) |
| 1.3 課題意義和國內(nèi)外發(fā)展狀況概述 |
| 1.4 本章小結(jié) |
| 第二章 數(shù)據(jù)集成 |
| 2.1 數(shù)據(jù)集成概述 |
| 2.2 元數(shù)據(jù)和數(shù)據(jù)集市 |
| 2.2.1 元數(shù)據(jù) |
| 2.2.2 數(shù)據(jù)集市 |
| 2.3 數(shù)據(jù)集成ETL |
| 2.3.1 數(shù)據(jù)抽取 |
| 2.3.2 數(shù)據(jù)轉(zhuǎn)換 |
| 2.3.3 數(shù)據(jù)清理 |
| 2.3.4 數(shù)據(jù)裝載 |
| 2.4 休眠數(shù)據(jù) |
| 2.4.1 休眠數(shù)據(jù)的產(chǎn)生 |
| 2.4.2 識別休眠數(shù)據(jù) |
| 2.4.3 刪除休眠數(shù)據(jù) |
| 2.5 本章小結(jié) |
| 第三章 查詢性能優(yōu)化 |
| 3.1 索引技術(shù) |
| 3.1.1 位圖索引 |
| 3.1.2 B樹索引 |
| 3.2 非規(guī)格化 |
| 3.2.1 創(chuàng)建數(shù)據(jù)陣列 |
| 3.2.2 預聚集數(shù)據(jù) |
| 3.2.3 列復制 |
| 3.2.4 預連接 |
| 3.3 本章小結(jié) |
| 第四章 并行技術(shù) |
| 4.1 可擴展性和并行技術(shù) |
| 4.2 并行硬件 |
| 4.2.1 對稱多處理器 |
| 4.2.2 群集技術(shù) |
| 4.2.3 海量并行處理 |
| 4.2.4 非均勻內(nèi)存訪問 |
| 4.3 軟件并行 |
| 4.4 布紋和數(shù)據(jù)庫分割 |
| 4.4.1 布紋方法 |
| 4.4.2 表格分割方法 |
| 4.5 本章小結(jié) |
| 第五章 可擴展數(shù)據(jù)倉庫的設(shè)計 |
| 5.1 ANALYSIS SERVICES簡介 |
| 5.2 構(gòu)造考試數(shù)據(jù)倉庫平臺 |
| 5.3 擴展我們的數(shù)據(jù)倉庫平臺 |
| 5.4 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 參考文獻 |
| 讀研期間發(fā)表論文 |
（8）微機群集并行系統(tǒng)中的系統(tǒng)構(gòu)建（論文提綱范文）
| 1 Linux操作系統(tǒng) |
| 1.1 Linux及其網(wǎng)絡(luò)系統(tǒng)的配置 |
| 1.2 建立用戶間的可信任關(guān)系 |
| 2 PVM的安裝與運行 |
| 2.1 PVM的安裝 |
| 2.2 PVM的啟動 |
| 2.3 并行程序的編譯與運行 |
| 3 通信性能測試 |
（9）基于高性能微機群集的并行計算環(huán)境的設(shè)計與實現(xiàn)（論文提綱范文）
| 1 BSP模型簡介[3, 4] |
| 2 BSP并行計算環(huán)境的設(shè)計與實現(xiàn) |
| 3 實例研究和結(jié)果分析 |
| 4 討 論 |
四、微機群集并行系統(tǒng)的應(yīng)用技術(shù)（論文參考文獻）
- [1]基于大數(shù)據(jù)的企業(yè)財務(wù)預警理論與方法研究[D]. 宋彪. 中央財經(jīng)大學, 2015(12)
- [2]基于KD-PARSE的MAV群并行仿真[D]. 王再社. 國防科學技術(shù)大學, 2008(05)
- [3]并行數(shù)據(jù)處理中間件體系結(jié)構(gòu)的研究和應(yīng)用[D]. 程慧. 哈爾濱工程大學, 2008(06)
- [4]基于群集智能的產(chǎn)品共進化設(shè)計方法研究[D]. 陶振武. 華中科技大學, 2007(05)
- [5]實時集群系統(tǒng)的設(shè)計實現(xiàn)與優(yōu)化[D]. 常光輝. 重慶大學, 2007(05)
- [6]一種利用工作站群集的并行計算研究方案[J]. 賴國明,楊圣云. 河南大學學報(自然科學版), 2004(02)
- [7]可擴展數(shù)據(jù)倉庫性能管理的研究與設(shè)計[D]. 秦學勇. 合肥工業(yè)大學, 2003(02)
- [8]微機群集并行系統(tǒng)中的系統(tǒng)構(gòu)建[J]. 周美蓮. 中南民族學院學報(自然科學版), 2000(03)
- [9]基于高性能微機群集的并行計算環(huán)境的設(shè)計與實現(xiàn)[J]. 陳昌生,李志良,譚福平. 上海大學學報(自然科學版), 2000(02)
- [10]實現(xiàn)并行計算的群集系統(tǒng)[J]. 莊昌文,林曉東,劉心松. 計算機應(yīng)用, 1998(06)
標簽：大數(shù)據(jù)論文; 并行處理論文; 集群技術(shù)論文; 集群服務(wù)器論文; 系統(tǒng)仿真論文;