wordcount

应用背景密码暴力计算，大型数据计算都会用到，并行计算，本例程为通用openCL并行计算，基于nvidia平台下，例程综合了openCL的常用函数，平台创建、设备选择、内存分配、任务队列、核函数生成，可用本文件代码作为运行基础构架模板。关键技术 OpenCL常用函数构成的技术构架，可以在本代码基础之上适当修改，既可以应用于其他场合，免去繁杂的，重复配置函数的调用，本例程具有自动检测运行平台，运行设备。

Hadoop环境下一个简单的排序算法实现，测试数据集可以选用任何数字形式的text文本文件，包含源代码及利用ant进行jar包压缩的build.xml文件，希望对大家学习Hadoop有用处。

通过传递矩阵理论计算多层膜结构的反射及透射率(Calculation of reflection and transmittance of multilayer structures by transfer matrix theory)

应用背景在GPU上实现N-BODY算法。N-Body模拟问题覆盖了自然科学的很多领域，从宇观的天体物理到宏观的流体动力学，直至微观的分子动力学。例如通过研究围绕着银河系的暗物质晕轮的形状和动力学特征来探索银河系形成过程，需要模拟数百万的星体和暗物质间的作用。现代生物物理学和化学中的许多研究，如细菌或植物体的光合作用膜处发生的光能向化学能的转化，染色体中DNA和蛋白质分子的描述，都需要模拟上千万的原子核分子的作用。关键技术N-Body问题的两个重要特征是： 第一点．计算规模大，因为无论是宇观的天体尺寸还是微观的分 子尺度．都包含了大量的粒子，粒子的规模大到数百万、千万。由于在 系统中任意的两个粒子问都存在着相互作用，因此商接计算粒子间的 相互作用的量级就是O(N^2)； 第二点．系统是动态变化的。为了反应系统的具体变化．尤其是在微观分子结构中．要求时间步足够小。这两个特征决定了计算机模拟 时巨大的计算量。这对于任何扁性能的单台计算机来说都是一个很难突破的瓶颈．因此采用并行汁算是解决N-Body问题的必然选择。主要涉及数据划分和线程任务划分实现。

性能分析与优化 这篇文章，在一系列，第五描述的性能分析和优化的流体模拟，提出了一种在第三和第四条款中。第一篇文章总结了流体动力学 ；第二个调查流体仿真技术 ；和第三和第四次提出了一个旋涡粒子流体模拟与双向流体体之间的相互作用，它运行在真正的时间。这篇文章利用另一个功能的英特尔 ® 线程构建模块 （英特尔 ® TBB） 将更多的工作分散到多个线程。这篇文章描述 CPU 使用情况分析过程，并使用该信息来优化和进一步并行化的代码，使其运行得更快。 性能分析和优化本文中描述的过程中的许多镜子中所述的程序软件优化食谱。这一过程从开始创建基准 — — 一大块的代码用来量化正在优化算法的性能。其余的过程需要迭代上的三个步骤： 要找出所谓的"热点"，应用程序在哪里花费其大部分时间的配置文件。 探讨为什么热点会消耗很多时间的详细信息。 修改，试图让它更快的代码。 将这些步骤应用于流体模拟应用程序在前两篇文章中提出了这条记载。 相关的文章 流体模拟视频游戏 （第1部分） 流体模拟视频游戏 （第 2 部分） 流体模拟视频游戏 （第 3 部分） 流体模拟视频游戏 （第 4 部分） 流体模拟视频游戏  (第 5 部分) 流体

MPI编程的典型案例，适合初学者学习使用，有很大的帮助作用(MPI programming typical case, suitable for beginners to learn to use, there are very helpful)

应用背景并行计算是最近新兴的一门技术，但是关于并行计算的代码在现在还不是特别普遍。本文是关于折半插入排序的并行计算的应用，希望对您的学习有一定的帮助。关键技术并行计算，多线程，折半插入排序，加速比，并行，串行

优化matlab,toolbox,可以用于各种优化问题(Optimization matlab, toolbox, can be used for a variety of optimization problems)

一个基础的CUDA例子，绘画出julia集合。(One based on CUDA example, draw julia set.)

内含串行与并行模式程序。有读函数，写函数，复位说明 与测试程序主函数(With serial and parallel mode program. Read write function, function, reset and test program main function)