典型问题实例剖析.ppt

3 典型问题并行实例分析;什么样的问题适合并行计算？ 斐波那契序列(Fibonacci)的计算？;什么样的问题适合并行计算？ 如果有大量结构一致的数据要处理，且数据可以分解成相同大小的部分， 那我们就可以设法使这道处理变成并行;主要内容;3.1 易并行计算问题; 近似易并行计算是那种需将计算结果分布和收集，以及用某种方式加以组合的计算。这就意味着在开始和最后只有一个进程处于运行状态。如果要创建动态进程，通常的方法是采用主从结构。首先创建一个主进程，由它启动相同的从进程。;分布式图像处理;;实例1：分形图形的并行处理;分形图形原理;;;; u等于0时，两个吸引区域中间的边界即 Julia 集。;;当u≠0，即控制参数变化时，Julia集 构成各种各样的分维结构; 在控制参数u≠0时：分形出现了。;c = ? 0 . 1 + i 0 . 8 情况下的Julia集;c = 0 . 3 ? i 0 . 4 情况下的Julia集; 对于复映射zn+1→zn2+u,我们也可以在复参数平面(p,q)上讨论，这种情况下不是取定u，而是取定z0。;只要上述轨道上任何一点复数模大于2，则|Zn|趋向无穷。于是，该点集(p,q)就不属于Mandelbrot集。; Zk+1→Zk２＋u 对于复平面上的复数a+bi，Z的初值为0， Zk+1是复数z＝a+bi的第k+1次迭代， Zk是z的第k次迭代，u是确定该点在复数平面中位置的复数值，迭代一直进行下去，直到|Zn|<4或达到了一定的迭代次数。; 若结果集合在64*64个像素区域内显示，则复平面上需要计算64*64个像素点，根据每个像素点在复平面上的位置进行迭代。记录每个像素点的迭代次数值，将该值作为该像素点的颜色值进行显示。如256色，则对应到256种颜色中其中的一个颜色进行显示。 ;;分形图形并行处理的实现; 一个PVM虚拟机的结构示意图 ;PVM进程间发送/接收数据过程;;主 进 程 程 序 流 程 图;Master for(i=0,row=0;i<480;i++,row=row+10) send(&row,Pi); for(i=0;i<(480*640);i++) recv(&c,&color,Pany); display(c,color);;从 进 程 数 据 流 向 图;Slave(process i) recv(&row,Pmaster) for(x=0;x<disp_width;x++) for(y=row;y<(row+10);y++) c.real=min_real+((float)x*scale_real) c.imag=min_imag+((float)y*scale_imag) z=z+c ; while |z|<4 or cal_pixel(c)<256 color=cal_pixel(c); send(&c,&color,Pmaster);图形的显示生成;;;实验的环境如下： 操作系统信息版本号：Redhat Linux 7.1，内核2.4.2，Xfree86 4.0.3，Glibc 2.2.2，GNOME 1.2.4，GCC 2.96-RH*。 PVM系统信息版本号：PVM 3.4.3 GTK+：gtk+-devel Version 1.0.0 ;; 环境 分辨率 ;在800*600的分辨率下，在两个节点中并行生成分形图形的实际加速比在PVM和MPI中分别为： Sp=12/9=1.33 Sm=16/11=1.45 在三个节点共同进行并行计算生成的分形图形的实际加速比分别为： Sp=12/7=1.71 Sm=16/8=2; 在1024×768的分辨率下，两个节点并行生成分形图形的实际加速比在PVM和MPI中分别为： Sp=23/18=1.28 Sm=26/19=1.37 在三个节点的情况下实际加速比分别为： Sp=23/15=1.53 Sm=26/14=1.85 ;3.2 数值计算--矩阵运算;矩阵相乘串行算法;;矩阵相乘并行算法;矩阵的划分方法;带状划分;循环划分; 对于一个n*n的矩阵和p个处理器（编号为P0,P1,···Pp-1）而言，每个处理器将均匀连续地分配有n/p列，其中Pi包含有列（n/p）i，（n/p）i+1,···（n/p）（i+1）-1,0≤i≤p-1。 ; 所谓棋盘划分（Checker Board Partitioning）就是