mpi4py 的并行逐次超松驰迭代的例子

资源描述目前，高能效的并行任务调度算法设计已经成为集群系统的研究热点．现有基于复制的节能调度算法主要利用阈值平衡系统的性能和能耗，但随机设置的阈值无法根据性能需求和环境参数等特征自动调节，导致调度算法存在一定的局限性．文中提出一种面向同构集群系统的两阶段节能调度算法ＡＴＥＳ（Ａｄａｐｔｉｖｅ　Ｔｈｒｅｓｈｏｌｄ－ｂａｓｅｄ Ｅｎｅｒｇｙ－ｅｆｆｉｃｉｅｎｔ　Ｓｃｈｅｄｕｌｉｎｇ）．首先，设计一种基于自适应阈值的任务复制策略，该策略能够自动计算最佳阈值，利用该阈值获取近似最优的任务分组．然后，将各分组任务调度到支持ＤＶＳ的处理器上，并充分利用任务之间的空闲时间降低处理器电压．该算法将任务复制策略与电压调节技术有机结合，在调度过程中能够自动调整阈值，有效提高调度算法的能效．为了验证ＡＴＥＳ算法的合理性，通过典型应用进行仿真实验，并与常见任务调度算法进行比较，结果表明ＡＴＥＳ算法能够更好地实现性能和能耗之间的平衡．

狐狸的算法，一个简单的实现每个进程的一个元素。在一个充分实现 A、 B、 C、 T将矩阵。

avr test fast pdp emulador kokoko dehght fh fg hd fgdf fdgdf bf bdtnjrtb bsdfb fvtbrtn fd dvrv vdr bdt f yngfnhgnrtn trnrtn rtntrn

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。

一份有详细注释的TSP源码，运用遗传算法，有并行的能力，假设有一个旅行商人要拜访N个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。TSP问题是一个NPC

QR算法是目前最广泛被用于求一般矩阵特征值的方法，但是由于串行算法的时间过于长，大大的降低了工作效率，所以我们将其在基于cuda架构上对其进行GPU加速，将原有的求矩阵特征值得串行算法进行并行化，大大地提高了工作效率

--概述： 变形两个图像的位图或影片剪辑的序列作为输出结果。 硬件要求： 此示例需要 DirectX 11 能够卡，如果没有检测到示例将使用 DirectX 11 参考模拟器。 -软件要求： 从 http://msdn.microsoft.com 安装 Visual Studio 2012

目的：加速视频中彩色图像转换为灰度图像，提取视频图像中的边缘。 开发环境：windows 8.1 x64操作系统  vs2012 cuda5.5  opencv2.4.8 硬件环境：NVIDIA  GeForce GT 740M ,4G内存，Intel(R) Core(TM) i5-4200MCPU @2.50GHz 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

涡粒子流体模拟 这篇文章，第三个在一系列，介绍了在 c + + 中使用谦虚，通常可用计算机硬件实时运行中实现流体模拟。第一篇文章总结了流体动力学 ；第二个调查流体模拟技术。 仿真这里介绍用途涡粒子，称为vortons由诺维科夫 (1983)，来代表的流场和每一次的速度解决了。这种战术的使用 vortons 保留涡度无明显来源的扩散，可以模拟保留细鳞的详细信息。相比之下，其他流体模拟技术，使用原始变量 （速度和压力） 或网格数值弥漫性涡度，所以流动往往看起来厚和糖浆。当你看到这种模拟的结果时，你会惊讶于它保留了，多少议案详细考虑它跑得多快。 这种模拟也利用令人尴尬的并行算法的性质，并使用英特尔 ® 线程构建模块（英特尔 ® TBB） 跨越多个线程的工作。 在努力实现实时的流体运动，一些其他流体模拟利用图形处理单元 (GPGPU) 通用计算。

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