基于多核的Ramsey數(shù)算法研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的到來(lái)，傳統(tǒng)的數(shù)據(jù)處理方式已經(jīng)無(wú)法滿足越來(lái)越大的計(jì)算需求。按照處理器超線程和多核化的發(fā)展趨勢(shì)，基于集群的分布式編程和基于多核的多線程并發(fā)編程已經(jīng)成為提升計(jì)算性能的兩個(gè)最重要的途徑。Google公司提出了一種能夠并發(fā)處理海量數(shù)據(jù)的并行編程模型MapReduce，可用于處理數(shù)據(jù)密集型任務(wù)。目前，已經(jīng)有多種不同的MapReduce模型的具體實(shí)現(xiàn)，其中基于多核共享存儲(chǔ)的Phoenix++系統(tǒng)的執(zhí)行效率較高。
　　圖的Rams

2、ey數(shù)在信息論和理論計(jì)算機(jī)科學(xué)中有重要的應(yīng)用，但是確定它的準(zhǔn)確值是NP困難問(wèn)題。在研究Ramsey數(shù)時(shí)，隨著圖的頂點(diǎn)個(gè)數(shù)的增加，需要考慮的著色情況會(huì)以指數(shù)級(jí)增加。由于計(jì)算量的急劇增大，利用單核CPU的計(jì)算機(jī)難以在較短時(shí)間內(nèi)求解出該問(wèn)題。因此，本文對(duì)基于多核共享存儲(chǔ)的Ramsey數(shù)求解算法進(jìn)行研究。
　　首先對(duì)MapReduce編程模型的原理與執(zhí)行過(guò)程、MapReduce模型的不同實(shí)現(xiàn)和基于多核的MapReduce模型的Phoeni

3、x++系統(tǒng)進(jìn)行了詳細(xì)介紹。然后設(shè)計(jì)了單核CPU下的圈集對(duì)完全圖的Ramsey數(shù)求解算法，并采取數(shù)據(jù)預(yù)處理、合理的任務(wù)劃分以及鍵值對(duì)設(shè)計(jì)等措施將其改進(jìn)為基于Phoenix++系統(tǒng)的多核并行算法。通過(guò)試驗(yàn)對(duì)并行算法的正確性進(jìn)行了驗(yàn)證，并對(duì)其性能進(jìn)行了評(píng)估。試驗(yàn)結(jié)果表明，在4核CPU平臺(tái)上，隨著頂點(diǎn)數(shù)的增加，該并行算法的加速比最高達(dá)到了3.70，執(zhí)行效率相應(yīng)增大到92.50％。最后，利用該多核并行算法分別計(jì)算了R(C≤n，Kn+1）（4≤n≤