OMPI编译器

资源描述VS_cuda并行计算 两基于vs实现的.cu代码 简单的实现矩阵相乘和反转。

应用背景读取一个文本文件包含数字（小于2E8），它存储在一个动态数组的冒泡排序法，并打印出另一个文本文件。在终端中返回每个进程的运行时。如果该参数没有指定，默认为一个叫做“Sal txt文件。”（必须保存在当前目录），如果参数定义的文件进入参数与数组排序。关键技术泡沫排序，有时也称为“下沉排序”，是一个简单的排序算法，通过列表中的重复步骤来进行排序，比较每一对相邻的项目，如果它们是错误的顺序。通过列表的传递，直到不需要进行任何交换，这说明列表是排序的。这是一个比较排序的算法，它被命名为较小的元素“泡沫”到列表的顶部。虽然算法简单，但对于大多数问题来说，它是太慢和不切实际的，即使在插入排序。[ 1 ]它可以是实际的，如果输入通常是按排序顺序，但可能会偶尔有一些顺序元素的位置近。

这是示例如何用逐次超松驰迭代 （SOR） 方法，求解线性系统的方程 使用 python 库 mpi4py。算法尝试计算节点之间平分。该程序不仅可以 在集群上运行。

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。

#include #define  NUMBER   4 void main( ) {    int i=1; float f0,dt,dx,dz; int mx,mz,ntmax,pml,sou_x,sou_z,rec_start,rec_end,rec_int,rec_depth; char shotID[5],record_pp[30],vp_name[30],rou_name[30],mig_name[30],mig_pyt_name[30],mig_udlf_name[40],shuoming[30]; FILE *fp,*f; /*&不合法变量*/     printf("** This program is to show the block file input & output** "); fp=fopen(

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

应用背景  Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。  关键技术频繁项集挖掘采用spark实现的并行化挖掘算法。并行的apriori算法采用scala编写，并行的apriori采用java编写。里面会有较多函数使编程的内容。 

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

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。