H2

多线程pthread实现对一个给定矩阵求取卷积，并将结果保存下来(Pthread multithreading to achieve a given matrix convolution to strike, and the result is saved)

一个用c写的机遇MPI的并行程序，程序实现了求积分的功能(with a c MPI the opportunity to write parallel programs, procedures for the realization of the functional integration)

mandelbrot set sequential code for mpi

它是一个基于8051的频率计数器，可以用作学习工具。很有用的开始。

OMPI编译器 用于OPENMP的开源C编译器 上传1.2.2版本 请在LINUX环境下使用

说明：  Map reduce分布式计算，大数据分析再Hadoop的平台的使用(Map reduce distributed computing, big data analysis and the use of Hadoop platform)

基于改进蚁群算法的移动机器人路径规划，解决机器人路径选择的低效率问题，本算法对传统蚁群算法进行了改进，包括解的构造过程，信息素更新过程，基本思想是，蚂蚁在经过的路径上留下信息素，信息素一方面随着时间的积累，较优路径上的信息素越积越多，一方面还要挥发。为什么要引入信息素呢？也是从传统的奖励机制发展过来的。

本程序为简易的CUDA编程，两个程序都是计算矩阵的乘法。其中Matrix1和Matrix2的区别是Matrix2使用了shared memory。每个程序都使用了串行和并行两种方式计算乘法，最后将并行的运算结果与串行运算结果对比，验证计算的正确性。同时，程序中利用CUDA计时模块统计了并行运算的耗时。因此可以得出使用shared memory后改善的运行时间。

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

OpenCL1.2版本的扩展功能用户手册。(OpenCL1.2 version of the Expansion Function User' s Manual.)