cuda并行计算

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。

secuential归并排序

该程序应用于并行排序算法Betchera。该算法属于一组并行排序的，这些算法之间的主要区别是并行（同时）作用于分选的数字数据集的可能性。class MyParSort Classvoid Setup  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

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

H.264编解码的CUDA实现，并行加速算法，内部实现了H.264视频编解码的CUDA实现，能够编译通过，已经过测试，并且还添加了注释信息。

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。

研究多目标遗传算法的优化，包含遗传算法过程中涉及的的各个步骤，非常适合于研究遗传算法及对遗传算法进行多目标优化的同学

左矩阵A是m×s，右矩阵B是s×n，结果矩阵C是m×n。

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

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。