网络并行计算中相关算法研究.pdfVIP

计算机科学2004Vo1.31N2.10(增刊) 网络并行计算中相关算法研究 AResearchonAlgorithmsRelatingtoNetworkParallelComputation 徐德启 包 煊 满正行 张喜龙 (兰州大学信息科学与工程学院 兰州730000) AbstractFormerresearchoffactorizationalgorithmforsparsematrixisbasedonparallelandvectorialcomputer- s.Butwiththeimprovementoftheperformanceofthemicroprocessoranddevelopmentofhighspeednetwork technology,peoplebegintobeinclinedtothelow-pricednetworkparallelsystem.Thecharacteristicsoflongtrans- ferringlatencyandnarrowcommunicationbandwidthmaketheformeralgorithminfinegranuleunfitfornetwork computationenvironment.Forthisreason,thispaperdescribesanetworkparallelmultifrontalalgorithmbygiving adatadistributingandanumericalfactorizingalgorithm.Thisalgorithmhaslowcommunicationcost. KeywordsSparsematrix,Multifrontalalgorithm,Parallelcomputation,Eliminationtree，Datadistributing 为目标，根据网络计算环境的特点，给出一个数据分 I 引言 配算法，在此基础上将数据分解算法设计成主/从式 许多大型科学和工程计算都可归结为线性稀疏 结构，在主节点进行矩阵的预处理、数据分配、任务 方程组的数值求解问题，而有效地求解线性稀疏方 划分及调度等，再从节点完成修正矩阵的扩展加、前 程组的关键是矩阵分解算法。Cholesky分解方法是 边矩阵的合成及对前边矩阵的分解计算。 一种实对称正定矩阵的对称三角分解方法，对该方 2 数据分配 法的一个重要改进是Duff和Reid提出的Multi- frontal方法[3.Multifrontal方法利用消去树重新 数据分配也即任务划分、处理机映射，就是如何 组织计算过程，把对大型稀疏矩阵的分解过程转换 将矩阵的数据合理地分配到多个处理器中，以使各 成一系列子任务，每个子任务完成一个较小稠密矩 处理器的工作负载保持平衡，并且获得较高的并行 阵分解计算，同时得到Cholesky因子L的一列，然 性。另外，数据分配算法还应尽量最小化处理器间的 后计算出对剩余子矩阵的修正量。 交互，以降低算法的通信成本。现有的数据分配算法 Multifrontal方法仅给出了一个有效地进行 可分成两大类:一维分配算法和二维分配算法。一维 Cholesky分解的算法框架，具体的实现细节因计算 分配算法是对矩阵按列或按行进行划分，然后算法 环境及矩阵结构特点而定，必须根据计算环境的特 以列或行为单位按照一定的分配策略将矩阵的数据 点设计算法的具体细节，如:数据分布、负载均衡、处 映射到处理器上。二维分配算法是将矩阵划分成块， 理器的调度、平衡协调、矩阵的预处理、数值分解等。 然后以块为单位按照一定的分配策略将矩阵的数据 总体来看，Multifrontal方法可分为以下六个 映射到处理器上[81。文献中的具体数据分配方法都 步骤:确定消去树的结构、确定消去树的最优后序并