导读:本文包含了并行优化算法论文开题报告文献综述及选题提纲参考文献，主要关键词:运动目标分割,并行优化,PBAS,GPU
并行优化算法论文文献综述
张刚,马震环,雷涛,崔毅,张叁喜[1]（2019）在《基于嵌入式GPU的运动目标分割算法并行优化》一文中研究指出在光电监视系统中,广泛应用于运动目标分割的PBAS(pixel base adaptive segmenter)算法计算复杂、参数量大,难以达到实时分割的要求。针对PBAS算法是对图像中每个像素点进行独立处理,特别适合于GPU并行加速的特点,对其在嵌入式GPU平台Jetson TX2上进行了并行优化实现。在数据存储结构、共享内存使用、随机数产生机制3个方面对该算法进行了优化设计。实验结果表明,对于480×320像素分辨率的中波红外视频序列,该并行优化方法可以达到132 fps的处理速度,满足了实时处理的要求。(本文来源于《应用光学》期刊2019年06期）
邵叱风[2]（2019）在《基于流程挖掘的并行优化算法》一文中研究指出过程挖掘技术将观察到的行为(即事件日志)与建模的行为(如bpmn模型或petri网)联系起来.可以通过对日志进行挖掘,获得实际业务流程模型,再对其中关联严格结构检测,通过并行优化的方法优化实际业务流程模型.目前的业务流程优化主要是针对管理者或开发者给出的业务流程模型,其与实际运行中的业务流程可能与之有些许偏差,从而影响了优化结果.在此提出一种新方法对业务流程进行优化.首先使用Prom框架中的Alpha Miner及Heuristic miner获得流程模型的Petri Net及C-net结构;然后使用最大分解的方法修复流程模型;针对修复后的模型提出其中高频简单网部分,并发现关联严格结构,使用Colored Petri nets对关联严格结构重新构造为关联并行结构,确定优化结果.该方法通过实际业务流程的研究案例及比较实验进行评估,其结果表明关联并行优化可明显缩短实际业务流程耗时.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年10期）
杨飞,李静,周亮[3]（2019）在《SOM图像分割算法在GPU上并行优化分析》一文中研究指出为了对自组织映射(Self Organizing Map, SOM)图像分割方法进行加速,提出将原串行方法延伸到并行方法,并针对特定图像分割方法设计相应的并行计算模块。为了减少主要计算负荷,通过最小化非边缘模式子块矢量的类内协方差矩阵迹到类间协方差矩阵迹的比率,计算比率函数;通过类内散射矩阵到类间散射矩阵的比率,以估计分割数量。人脑核磁共振影像(MRI)的分割结果表明:所提并行优化方法与源串行方法相比,在保证图像分割质量的前提下,大幅提高了计算效率,同时其计算效率也高于同类并行加速方法。(本文来源于《控制工程》期刊2019年09期）
张晗,钱育蓉,王跃飞,陈人和,田宸玮[4]（2019）在《CUDA下单源最短路径算法并行优化》一文中研究指出为设计基于固定序的Bellman-Ford算法在CUDA平台下并行优化方案,结合算法计算密集和数据密集的特点。从核函数计算层面,提出访存优化方法和基于固定序优化线程发散;从CPU-GPU传输层面,提出基于CUDA流优化数据传输开销方法。对不同显卡进行测试,参照共享内存容量划分线程块、缩减迭代后向量维度并使用CUDA流缩短首次计算时延,相比传统算法,改进后并行算法加速比在200倍左右。该并行优化方案验证了固定序在CUDA平台具有可行性和可移植性,可作为多平台研究参照。(本文来源于《计算机工程与设计》期刊2019年08期）
葛茂松,富春岩,支援,李微娜,周虹[5]（2019）在《一种优化的并行数据流调度算法》一文中研究指出很多需要对数据流进行实时处理、快速响应。本文对已有的MapReduce调度器进行了分析,结合它们的优缺点,对MapReduce调度算法进行了优化。实验表明,该优化算法可进行精准的估算,运行效率较高。(本文来源于《电脑知识与技术》期刊2019年22期）
曹亚群[6]（2019）在《基于GPU的并行优化算法研究》一文中研究指出该文介绍了GPU概念及发展、并行计算的概念以及与串行计算相比而具有的优势,指出智能优化算法具有天然的并行性和分布性,在基础理论和工程应用中具有很高的研究价值,该文对智能优化算法中的模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法及蚁群算法的原理和实际应用进行了深入研究,提出了基于GPU的并行优化算法。(本文来源于《科技资讯》期刊2019年21期）
丁芙蓉,张功萱[7]（2019）在《基于CUDA并行化的K-Means聚类算法优化》一文中研究指出论文分析了基于CUDA并行化的K-means聚类算法在CPU和GPU上的执行特征,提出了一种基于CPU/GPU异步计算模式的并行优化方法。该方法将聚类的各步骤映射到CPU和GPU上,通过异步执行方式使CPU和GPU的计算重迭,对聚类过程进一步并行化,提高了程序运行效率。最后,在多核CPU和GPU异构平台上对UCI数据集和人工合成的数据集进行实验,结果表明,论文提出的优化方法比经典的基于CUDA并行化的K-Means聚类算法性能有所提升。(本文来源于《计算机与数字工程》期刊2019年07期）
李雷孝,刘燕凤,高静[8]（2019）在《Smith-Waterman算法优化改进与Spark并行化研究》一文中研究指出Smith-Waterman算法是1种精确度最高、广泛应用于文本搜索的生物学序列比对算法。在对Smith-Waterman算法深入研究的基础上,从减少计算任务量和降低计算复杂度两个方面对算法进行优化改进,将优化改进算法基于Spark平台进行算法并行化设计,并通过准确性测试、算法运行速度测试、算法速度比较测试、算法可扩展性测试等实验分析优化改进算法和并行化算法的性能。实验结果表明:优化改进和并行化后的算法在保证准确性的前提下,极大地提高了算法运行速度和可扩展性。(本文来源于《内蒙古农业大学学报(自然科学版)》期刊2019年05期）
黄伟建,王月兴,黄远[9]（2019）在《MATLAB与OpenACC结合实现中值滤波算法并行优化》一文中研究指出针对当前基于CUDA的中值滤波并行加速算法存在的编程复杂,图像数据提取和显示环节实现繁琐等问题提出了利用MATLAB和OpenACC结合的并行算法。该算法采用MATLAB实现图像的提取并转换成数组文件,之后利用OpenACC实现串行代码到并行代码的转换并处理MATLAB转换的数组文件,最后通过MATLAB将滤波后的数据显示成图像。通过仿真实验进行中值滤波算法的加速实验,结果表明:提出的算法在大量减少代码转换工作量的情况下加速效果较串行程序提升明显,且与CUDA加速效果相当。(本文来源于《河北工程大学学报(自然科学版)》期刊2019年02期）
刘利甲[10]（2019）在《求解无关并行机调度问题的果蝇优化算法》一文中研究指出研究了目标函数为最小化完工时间(makespan)的无关并行机调度问题,建立了该问题数学模型,并提出了一种果蝇优化算法来解决所提的问题。根据研究问题目标函数的特点,使用了关键机器的概念,并对关键机器上的工件进行两种操作完成果蝇优化算法的嗅觉搜索。通过大量的实验仿真,结果表明,该方法在解决质量和算法的运行时间上都取得了较好的结果。(本文来源于《电脑编程技巧与维护》期刊2019年06期）
并行优化算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
过程挖掘技术将观察到的行为(即事件日志)与建模的行为(如bpmn模型或petri网)联系起来.可以通过对日志进行挖掘,获得实际业务流程模型,再对其中关联严格结构检测,通过并行优化的方法优化实际业务流程模型.目前的业务流程优化主要是针对管理者或开发者给出的业务流程模型,其与实际运行中的业务流程可能与之有些许偏差,从而影响了优化结果.在此提出一种新方法对业务流程进行优化.首先使用Prom框架中的Alpha Miner及Heuristic miner获得流程模型的Petri Net及C-net结构;然后使用最大分解的方法修复流程模型;针对修复后的模型提出其中高频简单网部分,并发现关联严格结构,使用Colored Petri nets对关联严格结构重新构造为关联并行结构,确定优化结果.该方法通过实际业务流程的研究案例及比较实验进行评估,其结果表明关联并行优化可明显缩短实际业务流程耗时.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
并行优化算法论文参考文献
[1].张刚,马震环,雷涛,崔毅,张叁喜.基于嵌入式GPU的运动目标分割算法并行优化[J].应用光学.2019
[2].邵叱风.基于流程挖掘的并行优化算法[J].赤峰学院学报(自然科学版).2019
[3].杨飞,李静,周亮.SOM图像分割算法在GPU上并行优化分析[J].控制工程.2019
[4].张晗,钱育蓉,王跃飞,陈人和,田宸玮.CUDA下单源最短路径算法并行优化[J].计算机工程与设计.2019
[5].葛茂松,富春岩,支援,李微娜,周虹.一种优化的并行数据流调度算法[J].电脑知识与技术.2019
[6].曹亚群.基于GPU的并行优化算法研究[J].科技资讯.2019
[7].丁芙蓉,张功萱.基于CUDA并行化的K-Means聚类算法优化[J].计算机与数字工程.2019
[8].李雷孝,刘燕凤,高静.Smith-Waterman算法优化改进与Spark并行化研究[J].内蒙古农业大学学报(自然科学版).2019
[9].黄伟建,王月兴,黄远.MATLAB与OpenACC结合实现中值滤波算法并行优化[J].河北工程大学学报(自然科学版).2019
[10].刘利甲.求解无关并行机调度问题的果蝇优化算法[J].电脑编程技巧与维护.2019