并行dijkstra最短路径算法.docVIP

并行dijkstra最短路径算法 一，并行算法设计与分析 1.1 并行化思路 串行的dijkstra算法有两层N次循环，第一层循环必须得按次序执行，不可并行。那么只有将第二层循环并行。 第二层循环有两个N次的循环，第一次循环是求dist数组的最小值。复杂度为O（N） 第二次循环是更新dist数组的值，复杂度也是O（N）。 所以串行的总复杂度为O（N*N） 那么必须将这两次循环都并行才可以降低复杂度。 1.2 求最小值的并行方法 假设有p个处理器，N个顶点。给每个处理器分配N/p个顶点，求出局部的最小值，复杂度为O N/p 。然后后一半的处理器将自己的最小值发送给第前p/2个处理器。前一半处理器接收到传来的值后，与局部的最小值比较，作为新值。继续循环，直到剩下一个处理器为止。 注意：若p为偶数，则进行一次合并后，还剩p/2个处理器。 若p为奇数，则进行一次合并后，还剩p/2+1个处理器 复杂度为O N/p+logp 1.3 更新dist数组的并行方法 给每个处理器分配N/p个节点。设选取的dist最小的顶点为u。 for j 0;j mynum;j++ if dist[u]+w[u][j] dist[j] then dist[j] dist[u]+w[u][j]; 采用行块带状划分，这是为了可以连续的传送邻接矩阵。所以不采用行循环带状划分。 复杂度为O N/p 1.4 算法总复杂度 并行的dijkstra算法复杂度为O N* N/p+logp+N/p O N*N/p+Nlogp 二，行块带状划分方法 改进之前的代码采用此方法 比如5个处理器P0,P1,P2,P3,P4。 12个顶点 划分方法如下图所示 P1 0 1 2 P2 3 4 5 P3 6 7 8 P4 9 10 11 P1负责计算dist[0~2] P2负责计算dist[3~5] P3负责计算dist[6~8] P4负责计算dist[9~11] P1需要矩阵W[0~2][0~11] P2需要矩阵W[3~5][0~11] P3需要矩阵W[6~8][0~11] P4需要矩阵W[9~11][0~11] 三，算法改进 3.1 无需单独分出一个处理器读数据 实际上当0号处理器读完邻接矩阵，并且初始化好其它处理器后，也可以参与并行dijkstra算法求解。而不必将其闲置下来。 3.2 负载均衡 3.2.1 原先的分配方法 比如nodenum 100，groupsize 4，则编号依次为0，1，2，3。0号进程不分配顶点 则按原先的方法ep 34;分配的顶点数依次为34，34，32， 显然保证负载最均衡的分配应该为34，33，33 3.2.2 改进的分配方法 ep nodenum/group_size; mod nodenum%group_size; if my_rank mod mynum ep+1; else mynum ep; 这样可以保证任意两个处理器之间的任务数最多差1 计算全局节点编号的方法如下：比如i号进程中的局部编号j的节点，全局编号 id为： If i mod id ep+1 *i+j; else id ep+1 *mod+ep* i-mod +j; 3.3 适用范围局限性 3.3.1 行块带状划分仅适用于对称矩阵的情况 num + W j,index dist[j]实际上应该为num + W index，j dist[j]。 若为对称邻接矩阵W index，j W j,index 。 3.3.2 改进方法：列块带状划分 若要对非对称邻接矩阵也适用，最好采用列块带状划分。 如图所示： P1 0 1 2 P2 3 4 5 P3 6 7 8 P4 9 10 11 P1负责计算dist[0~2] P2负责计算dist[3~5] P3负责计算dist[6~8] P4负责计算dist[9~11] P1需要矩阵W [0~11] [0~2] P2需要矩阵W [0~11] [3~5] P3需要矩阵W [0~11] [6~8] P4需要矩阵W [0~11] [9~11] 这样发送的时候需要逐行发送，每行又分成p段发送。 3.4在求局部最小值时，可用堆的思想 可以将该部分复杂度将低为O log（N/p） 还未编码。 四，改进测试 原先的对称邻接矩阵的数据测试全部通过。 附加测试数据：test文件如下 3 0 1 4 3 0 2 1 5 0 正确的结果应该为： Dist[0][0] 0; dist[0][1] 1; dist[0][2] 3; 但改进之前的代码求出的值却是错误的。