FDTD并行算法实现及其数据通信优化.pptVIP

湘潭大学研究生学位论文开题报告题目：FDTD并行算法实现及其数据通信优化 年 级： 2011级 专 业：信号与信息处理 姓 名： 钟喆 研究方向：模式识别与信息处理 指导老师： 石跃祥教授 研究背景 应用计算机局域网，采用基于消息传递(MPI)方式和区域分割技术，实现了FDTD的并行计算。以无限长线电流源在自由空间辐射为算例，对并行FDTD算法进行了验证。结果表明并行算法和串行算法计算结果一致，并有效提高了计算效率。最后通过减少通信数据量、优化数据交换方式及通信和计算重叠的方法，使并行算法的数据通信得到优化，并行计算效率明显提高。 研究背景 1966年K S Yee首次提出了时域有限差分(Finite DifferenceTime Domain，FDTD)方法，用于电磁场数值计算问题。它的基本思想是将时域麦克斯韦方程的场分量微分式进行差分离散，用差分代替微分进行各场量的迭代。该方法已经在电磁辐射和散射、微波电路分析与设计，电磁兼容等广大领域获得非常成功的应用。 研究背景 FDTD方法对计算资源的依赖性很强，而随着要求的不断提高，其对计算性能的要求也日益提高，较长的计算时间和较大的存储空间成为了时域有限差分方法在个人计算机系统上处理电大尺寸电磁目标仿真的瓶颈。电大尺寸电磁目标的仿真在通过计算机求解时会消耗非常大的计算机资源。目前，虽然单处理机的性能在飞速发展，计算速度和存储容量也在不断提高，但仍然不能很好地满足要求。本文采用并行FDTD算法来。 研究背景 FDTD方法中每一个网格点上的电场(磁场)只与它本身上一时刻的场值和紧邻网格点的磁场(电场)值有关，而与计算区域内其他网格点的场量没有直接关系，因此可以将FDTD计算空间分割成若干个子区域分别进行计算，这一点和并行运算的思路是统一的。本文在典型的机群系统上，通过区域分割来实现了线电流源的自由空间辐射的并行计算，在此基础上，考虑了减少通信数据量，优化数据交换方式和采用计算与通信重叠的方式3种措施来优化通信效率。 结果表明并行FDTD方法非常有效的提高了传统FDTD方法的计算效率，经过优化后可明显改善数据通信效率，获得并行效率和加速比进一步的提升。 研究现状 1972年，Micheal Flynn根据指令和数据流的概念对并行计算机的体系结构进行了分类，这就是所谓的Flynn分类法。 Flynn将计算机划分为四种基本类型，即SISD、MIMD、SIMD、MISD。 SISD：计算机在同一时刻只能执行一条指令（即只有一个控制流）处理一个数据。 MIMD：计算机多个处理单元都是根据不同的控制流程执行不同的操作，处理不同的数据。 SIMD：计算机在执行向量操作时，一条指令可以同时对多个数据（组成一个向量）进行运算。 MISD：计算机将各个处理单元组成一个线性阵列，分别执行不 同的指令流，而同一个数据流则顺次通过这个阵列中的各个处理单元。 研究现状 并行程序的开发模式 ： 1.共享内存模型 2.消息传递模型 3. HPF(High Performance Fortran) 4.并行库 5.串行程序并行化 研究内容 MPI并行计算环境： 并行硬件环境： 本文的并行FDTD计算是在一个典型的PC集群(Cluster of PCs，COP)上进行的，这种可扩展并行PC机群是目前比较经济的一种方案。 优点： 系统开发周期短，系统价格低，节约系统资源，系统扩展性好。 研究内容 MPI并行软件环境: 本文采用MPI作为并行开发环境。其他并行系统软件环境沿用实验室原有的Win—XP操作系统和C++编程语言。 优点： 与其他众多并行开发编程环境相比，MPI具有很好的可移植性、强大的可扩展性、易用的信息传递系统以及完备的异步通信功能等许多优点。 研究内容 并行性能检测： 并行程序性能的分析由并行算法的加速比以及并行效率来衡量。加速比是指采用多个处理器进行计算计算速度所能得到加速的倍数。多处理机系统加速比被定义为： S=T1／T 式中T1是使用单一计算机模拟整个问题时所花费的时间；T是使用具有几个处理器的多处理机的执行 时间。并行系统效率被定义为： E=S／n 式中：n是并行计算机系统中参与并行计算的处理器个数。当加速比S接近n时，并行系统效率E接近于1。 研究内容 FDTD并行算法设计 区域分割：