一、微机群集并行系统的应用技术（论文文献综述）
宋彪[1]（2015）在《基于大数据的企业财务预警理论与方法研究》文中研究指明随着经济全球化和互联网经济的发展,企业之间的竞争更加激烈,投资者和企业都更加重视财务危机预警在企业管理中的重要作用,然而企业财务危机预警一直是企业管理中面临的一个难题。当前的财务危机预警研究主要着眼点是基于财务指标建立模型,但是现实中每次经济危机发生时的预警悖论,使财务指标在危机风险预警方面的局限性逐渐暴露出来。财务指标的滞后性和可人为操纵性,严重的影响了财务危机预警的可信度。虽然有学者在模型中引入了非财务指标,但由于数据获取的难度,选取的非财务指标相对片面,难以适应对各种非财务指标具有不同敏感度的公司样本要求。大数据思维和技术为非财务指标的选择提供了新的思路。本文研究基于大数据的企业财务预警的理论与方法。首先,针对财务危机预警这一难题,运用演化博弈论分析了财务危机预警准确度偏低的原因,证明了财务数据真实有效假设的不可靠性,发现了提高财务危机预警效果的有效路径。根据系统动力学仿真得出结论,指出发展相关信息获取技术是解决财务预警效果不佳问题的重要方向。在此基础上,提出了以网民为企业“传感器”的思想,基于互联网上的相关在线信息,通过情感分析处理,以及统计网民信息发布频次,融合后形成传感器信号,涵盖了与公司相关的所有维度的信息。利用基于大数据的网络爬虫和文本情感倾向分析技术,将与上市公司有关的信息结构化并且降维,形成关于上市公司的综合大数据情感指标,结合财务指标,最终建立引入大数据指标的财务风险预警模型,并对模型的预测效果进行比较分析和检验,结果显示基于大数据的财务风险预警模型具有更好的有效性。相关结论从理论上提供了进行企业财务预警的新思路,也为相关方面预测上市公司财务危机提供了理论支持,最后指出作为Web2.0环境中在线信号的外在表现形式,企业网络舆情与企业危机是相互影响的关系,并根据“最好的预测是创造”的观点,从企业舆情的角度对企业危机管理进行了系统的研究。本文的选题来自于国家自然科学基金项目“基于博弈论的信息安全理论与方法研究（编号:61272398）”和北京市社会科学基金重点项目“基于大数据的财务预警理论与方法研究（编号:14JGA001）”的部分研究内容。论文的主要工作和创新点有以下几个方面:1.财务危机预警效果博弈论分析。针对企业财务危机预警的难题,用演化博弈论分析了财务危机预警活动的失败原因,论证了财务数据真实有效假设的不可靠性,指出了提高危机预警效果的有效路径。根据系统动力学仿真,明确了发展相关信息获取技术是解决财务预警效果不佳问题的重要方向。2.基于大数据的财务预警模型构建。将网民视为企业分布在互联网上的传感器,考虑到互联网上的相关在线信息,通过情感分析处理,获得能够涵盖相关公司的各个方面所有维度信息,通过结合财务指标,最终建立引入大数据指标的财务风险预警模型。3.大数据主题爬虫算法和语义分析算法设计。设计了可处理大数据的基于支持向量机和关键词的主题网络爬虫算法,构建了适用于财务领域的语义词典,进而设计了文本情感倾向分析算法,将互联网上与上市公司有关的信息结构化和降维,收集具体传感器信号,支持本文设计的企业传感器模型,形成关于上市公司的综合大数据情感指标,进而对所设计模型的预测效果进行比较分析和检验,结果显示基于大数据的财务风险预警模型具有更好的有效性。4.基于大数据财务预警模型的企业危机管理。通过大数据财务预警模型可以发现,企业危机和企业舆情具有相互影响的关系。对随时变化的企业舆情进行治理,是企业危机管理的重要环节。基于企业网络舆情在产生和发展过程中所呈现的群体性,应用群集动力学和演化博弈论的方法,在研究企业相关网络舆情群体流动过程和个体流动过程的基础上,构建了企业网络舆情疏导模型。通过使用多Agent仿真,应用所提出的模型,寻求在相关约束下的最佳疏导策略,证明了企业网络舆情疏导模型的有效性。研究成果为大数据财务预警模型提供预警信号的情况下,从网络舆情角度对企业进行危机管理提供理论依据。
王再社[2]（2008）在《基于KD-PARSE的MAV群并行仿真》文中认为利用微型飞行器（Micro Air Vehicle:MAV）执行搜索、侦察、电子干扰等任务具有安全、高效、成本低廉等优点,在未来战争中MAV将发挥不可替代的作用。由于单个MAV体积小,负载、防卫能力差,因此有必要、有可能将MAV进行编队,利用MAV群执行任务可以发挥更加强大的威力。我国已经研制出多种型号的MAV,为了早日装配部队,有必要利用仿真技术对其群集行为进行研究。论文首先建立了MAV模型,并利用并行仿真技术在KD-PARSE仿真引擎上实现了MAV群的建模与仿真,运用独道的方法提高了并行仿真的加速比和仿真模型的可扩展性。对并行仿真技术的研究在国内尚处起步阶段,作为预备知识,论文首先论述了并行仿真的基本概念,深入研究了并行仿真引擎——KD-PARSE的核心组成模块,以及利用KD-PARSE进行应用程序开发的建模框架,为后续工作奠定了基础。接下来是并行仿真模型的建立和程序实现部分。在这一部分中,首先利用基于Agent的建模方法建立了MAV及MAV群的并行仿真模型。利用MAV群执行搜索任务,先要解决MAV群的寻径问题——预先确定一条搜索路径,论文在基本PSO算法的基础上进行并行化处理,并在KD-PARSE上利用并行化的PSO算法实现了最短路径的求解过程;接着设计并实现了MAV群沿既定路线飞行的并行仿真程序;最后在Linux操作系统的QT环境下又设计实现了一个简单的图形用户界面程序,可以作为辅助工具,用来直观的观察仿真过程中每个MAV的飞行轨迹。然后是并行仿真实验及结果分析。首先通过比较研究了不同对象分解方式、不同时间管理算法和不同CPU数量对并行仿真加速比的影响;接着通过在程序中加入数据分发管理机制提高了并行仿真运行速度;最后通过采用对MAV分组、飞行场地分块的处理方法,提高了群集模型的可扩展性。论文的最后对课题工作进行了总结,并对后续工作进行了展望。
程慧[3]（2008）在《并行数据处理中间件体系结构的研究和应用》文中提出随着数据库技术及网络技术的发展,信息量越来越庞大,从数据库管理系统的应用而言,数据量达到TB乃至PB级,即使运行在高性能的大型主机上,在处理大量并发用户及大量数据时,也难以满足应用对CPU和I/O的性能要求。因此,采用并行技术拓展数据处理应用成为一种迫切的需要。为了解决海量数据和异构数据的管理和计算问题,人们提出了数据处理中间件的概念,利用中间件使相关的数据库协同工作,实现互操作。并行数据处理中间件系统的开发,能够以较小的代价实现数据库并行操作,执行简单、结构灵活。本课题主要研究并行数据处理中间件系统的体系结构及主要涉及的工作部件。本文利用现有PC机、成熟的网络技术和数据库群集技术,研究了并行数据处理中间件的层次结构、硬件结构、接口通信技术、功能结构及各功能所涉及的关键技术。涉及内容包括:基于SN结构的群集管理系统模型,系统组件模型,群集工作状态模型;对中间件系统的元数据进行分析,研究并设计了中间件系统元数据的管理;查询执行控制系统的工作原理及结果综合过程;提出了采用数据放置和缓存系统提高系统性能的思想,包括数据放置的主要方法和策略;缓存系统的内容、组织及管理。根据实际应用环境,实现了并行数据处理中间件系统建立模块和运行模块的功能。对所研究及设计的系统进行了系统实验和现场测试,根据结果对并行数据处理中间件系统的性能进行了评价。目前,该并行数据处理中间件系统,已经在大型应用工程中得到实际应用。并行数据处理中间件系统的研究和实现,为用户提供了统一的服务接口和管理平台,提高了系统的性能,增强了系统的可用性和可维护性,保护了用户的已有投资。
陶振武[4]（2007）在《基于群集智能的产品共进化设计方法研究》文中进行了进一步梳理现代市场竞争愈加激烈,提高产品质量、缩短产品研发周期和提高产品创新性是提升产品竞争力的有效手段。由于产品功能和结构越来越复杂,因此如何利用现代信息技术提高传统设计方法的效率和质量,建立能够满足产品创新性要求的产品创新设计方法无疑具有非常重要的理论意义和现实意义。本文借鉴国内外相关研究成果,将新型的群集智能方法与共进化设计原理相融合,从机构创新设计、结构优化设计、公差优化设计等角度对产品共进化设计方法进行了深入研究,为产品创新设计理论提供了一种新的研究途径。通过对现有的设计模型的分析,构建了产品创新设计过程的三维空间描述和复杂设计问题求解过程的形式化描述方法,揭示了产品创新设计过程中的“问题空间—算子空间—解空间”共进化原理。根据产品设计的需要,将该共进化原理实例化为“问题空间-解空间”、“算子空间-解空间”和“问题空间-算子空间”三种共进化子模式。在“算子空间-解空间”共进化的子模式下,针对机构创新设计问题,首先提出了一种采用进化蚁群优化算法求解最大结构码的机构同构判定方法;然后给出机构轨迹曲线的数字化描述方法,提出了基于蚁群聚类算法的机构轨迹聚类方法和机构轨迹匹配方法;最后分别采用平面10杆机构的同构判定和平面4杆机构的轨迹综合两个实例验证上述方法的有效性。针对公差优化设计问题,首先以将加工成本与质量损失作为设计目标,建立了工艺公差优化设计的多目标模型;再根据Pareto最优性原理提出了一种直接求解该问题的Pareto最优解集的多目标粒子群优化算法;随后研究了工艺、工序并行的公差优化设计问题的建模及其转化,提出了用于该类问题求解的一种混合群集智能算法;最后给出了两个公差优化设计的应用实例。在“问题空间-解空间”共进化的子模式下,提出了基于蚁群优化算法的离散变量桁架结构共进化设计方法。首先将离散变量桁架结构优化设计过程分为拓扑空间（即问题空间）和尺寸空间（即解空间）共进化的两个子过程,提出了桁架结构的尺寸优化模型和拓扑优化模型及其向标准组合优化问题转化的方法。为尺寸优化子过程和拓扑优化子过程分别定制了相应的蚁群优化算法,并对算法的参数选择和收敛过程进行了分析和探讨。通过对标准的10杆和15杆桁架在不同载荷和位移约束下的共进化设计,结果表明该方法具有效率高、全局收敛和鲁棒性好等特点。最后将该方法应用于某抛物面天线背架结构优化设计的工程实例。在“问题空间-算子空间”共进化的子模式下,通过元胞自动机和结构单元之间的映射关系,研究在外载荷和约束作用下,连续结构的单元之间通过局部作用形成最优整体拓扑的机理,提出了一种基于元胞自动机的连续结构拓扑优化设计方法。以标准的二维悬臂梁拓扑优化设计为例,讨论了局部规则控制参数组合和元胞邻居结构对进化过程的影响。理论分析和数值实验结果表明,该方法的时间复杂度和空间复杂度都很低,收敛速度快,适合于大规模问题求解,且不存在棋盘格和网格依赖等数值不稳定性。最后将该方法应用于方形平板散热结构拓扑优化设计和机翼剖面结构拓扑优化设计的两个工程实例。基于上述理论方法研究成果,实现了所有算法的程序编制,研制了基于群集智能的产品共进化设计原型系统,并对其可行性和有效性进行了验证。
常光辉[5]（2007）在《实时集群系统的设计实现与优化》文中研究表明基于开放式体系标准,采用通用商业产品构建的集群计算体系已在高性能计算领域得到大量采用,在全世界排名前500名的超级计算机系统中,有360个为集群体系结构,占到了500强总数量的72%[1]。集群系统是在商品化部件日益高性能、稳定可靠、并且廉价的背景下出现的,人们将服务器、工作站、甚至高档微机用高速互联网络连接起来,用以代替价格昂贵的大型机和M PP等系统。集群系统以良好的可扩展性和性价比,迅速成为构建超级计算机的首选体系结构。同时,由于各种应用系统大数据量处理,高密度的数据吞吐的需求也对集群系统的高扩展性也提出了更高的要求。将集群调度分派功能全部分布至后端服务节点,能够大大降低传统上提供调度及系统平衡负载机制的前端机的负荷,消除了系统扩展功能的瓶颈。但实时性应用苛刻的响应时限要求也对集群体系功能提出了挑战。常规的实时操作系统通过内核实时调度,集中计算资源保证了实时任务的时限。但其资源调度基于单机系统,缺乏支持多节点集群体系的功能,且多用于嵌入式体系,内存和储存空间有限,难于支持集群结构。目前通行的在中间层加入集群负载平衡调度的作法侧重于荷载均衡分布,目标是系统产出最大化,而难以满足实时任务对响应时限的要求。因此,研究针对开放式集群体系的实时调度机制,实现对不同时限任务的区分,在保证实时任务时限的同时兼顾吞吐量的需求已经变得十分紧迫。本文调研了当前集群系统的现状,分析了实时集群系统的实际需求,详细研究工作如下:①提出了三种实时调度策略,并在Linux系统平台下对实时集群系统进行了详细设计,建立了开放式的实时集群系统平台。②除此以外,专门研究了在系统超载情况下的应对策略,提出了超载情况下缓解系统压力,遏制系统性能恶化的任务丢弃机制。③在分析了当前系统节点的发展趋势并且充分考虑了Linux操作系统中CPU和IO之间的协调关系之后,本文作了顺序服务模式和并发服务模式的研究,同时也提出了一种在并发模式下的弹性控制机制,使得多个任务能够更加合理的在并发模式下共享系统资源。④对于现有RTCS系统的通信IO做出了优化分析,利用开放平台提供的IO多路复用方法提高了系统的响应能力,挖掘了系统潜在的并行性,增强了前端机的处理能力。以上各种优化设计都得到了实验的证明,其总体性能均优于原始的RTCS集群系统。
赖国明,杨圣云[6]（2004）在《一种利用工作站群集的并行计算研究方案》文中认为提出一种利用工作站群集的并行计算研究方案,即在现有的局域网基础上构建PC群集,为相关科学研究提供并行计算平台.分析了编程环境,并给出了一个求π的MPI程序实例.
秦学勇[7]（2003）在《可扩展数据仓库性能管理的研究与设计》文中进行了进一步梳理在信息技术高速发展和激烈市场竞争的今天，企业管理者如何从来自不同数据源的大量的数据中得到良好的决策支持，这就产生了数据仓库技术。本文从数据集成、查询优化和并行技术三个方面、对数据仓库的性能进行了研究和讨论。在进行数据集成的时候对不同的数据源采用不同的策略，对数据仓库平台中休眠数据的处理我们要根据其产生的特点，预先评估数据的可靠性和价值方面的问题，可以在数据集成的时候将不必要的数据拒之门外，对查找出的休眠数据采用不同的方法从数据仓库中删除它们。当大量的企业内部数据和复杂的外部数据不断进入数据仓库以后，如果用软件的方法和现有的条件已经无法改善它的性能的时候，则必须通过使用并行硬件和并行软件技术来扩展原有的结构以适应新环境要求。本文的第五章中我们建立了一个考试数据仓库平台，通过使用该平台，管理者和用户可以很方便地查询考试方面的信息，我们在数据集成时对文本文件等信息处理和休眠数据的处理、数据的分割和布纹等方面取得了较好的效果。
周美莲[8]（2000）在《微机群集并行系统中的系统构建》文中研究说明基于微机群集 ,构建了一个实际的分布式并行处理系统 .讨论了其中所涉及的计算机硬件、操作系统、并行软件平台、并行程序编译运行等的关键技术 .测试了所构建的分布式并行系统的通信与计算性能 .
陈昌生,李志良,谭福平[9]（2000）在《基于高性能微机群集的并行计算环境的设计与实现》文中进行了进一步梳理基于工作站或高性能微机群组的并行计算 ,是并行计算领域研究的热点 .常见的并行环境有 MPI（ MessagePassing Interface）、PVM（ Parallel Virtual Machine）等 ,但它们编程复杂 ,并行程序的可移植性差 .该文介绍了一种有效的并行计算模型 BSP,它的并行编程容易 ,性能可预测 ,程序的可移植性好 .最后 ,讨论了它在高性能微机群集上的程序设计和实现 .实验结果说明这种并行计算环境具有良好的性能 ,可扩展性好 .关键词 :并行计算 ;微机群集 ;BSP模型基于工作站或高性能微机群组的并行计算 ,是并行计算领域研究的热点 .常见的并行环境有 MPI（ MessagePassing Interface）、PVM（ Parallel Virtual Machine）等 ,但它们编程复杂 ,并行程序的可移植性差 .该文介绍了一种有效的并行计算模型 BSP,它的并行编程容易 ,性能可预测 ,程序的可移植性好 .最后 ,讨论了它在高性能微机群集上的程序设计和实现 .实验结果说明这种并行计算环境具有良好的性能 ,可扩展性好
庄昌文,林晓东,刘心松[10]（1998）在《实现并行计算的群集系统》文中研究说明由于工作站性能快速增强和ＬＡＮ带宽提高，群集系统逐渐成为并行计算领域中的重要分支。本文描述了群集系统的特征并讨论了其实现中的一些关键技术，如互连网络，ＰＶＭ和ＭＰＩ，最后肯定了群集系统的发展前景。
二、微机群集并行系统的应用技术（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、微机群集并行系统的应用技术（论文提纲范文）
（1）基于大数据的企业财务预警理论与方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 主要研究内容 |
| 1.3 国内外相关研究综述 |
| 1.4 研究的创新之处 |
| 1.5 论文的结构 |
| 第2章 企业财务预警效果影响因素分析 |
| 2.1 财务危机预警效果影响因素 |
| 2.2 依靠监管提高预警效果的有效性分析 |
| 2.3 模型仿真与结果分析 |
| 2.4 本章小结 |
| 第3章 基于大数据的财务预警模型 |
| 3.1 问题的提出 |
| 3.2 理论假设 |
| 3.3 基于大数据的企业财务预警模型设计 |
| 3.4 模型仿真 |
| 3.5 本章小结 |
| 第4章 企业财务预警大数据指标数据获取算法 |
| 4.1 问题的提出 |
| 4.2 适用于大数据的SVM参数寻优策略 |
| 4.3 企业主题相关爬虫实现策略 |
| 4.4 算法实现 |
| 4.5 实验分析 |
| 4.6 本章小结 |
| 第5章 企业财务预警大数据指标数据处理 |
| 5.1 问题的提出 |
| 5.2 基于财经领域词典的企业财务大数据语义分析总体算法 |
| 5.3 财经类网页爬虫算法 |
| 5.4 财经领域情感词典的建立 |
| 5.5 语义分析 |
| 5.6 实验分析 |
| 5.7 本章小结 |
| 第6章 基于大数据的财务预警模型实证分析 |
| 6.1 研究样本 |
| 6.2 研究方法 |
| 6.3 模型的构建 |
| 6.4 实证研究和结果分析 |
| 6.5 本章小结 |
| 第7章 基于大数据财务预警模型的企业危机管理 |
| 7.1 问题的提出 |
| 7.2 企业危机与企业网络舆情关系分析 |
| 7.3 基于群集动力的企业网络舆情演化博弈分析 |
| 7.4 演化博弈仿真 |
| 7.5 大数据技术背景下企业网络舆情疏导分析 |
| 7.6 基于大数据财务预警模型进行企业危机管理的建议和措施 |
| 第8章 结论与展望 |
| 8.1 主要研究结论 |
| 8.2 研究局限与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读博士期间的研究成果 |
（2）基于KD-PARSE的MAV群并行仿真（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 关于MAV群仿真的研究 |
| 1.2.2 并行仿真技术应用现状 |
| 1.3 课题研究意义及目标 |
| 1.4 论文的主要内容和组织结构 |
| 第二章 KD-PARSE的体系结构与建模框架 |
| 2.1 并行仿真的基本概念 |
| 2.2 KD-PARSE体系结构 |
| 2.2.1 KD-PARSE的层次结构 |
| 2.2.2 事件处理模块 |
| 2.2.3 时间同步算法 |
| 2.3 KD-PARSE的建模框架 |
| 2.3.1 基本组成模块 |
| 2.3.2 仿真对象和对象管理器 |
| 2.3.3 事件API |
| 2.3.4 交互（Interactions） |
| 2.3.5 并行仿真主程序 |
| 2.4 本章小结 |
| 第三章 MAV及MAV群模型 |
| 3.1 建模依据 |
| 3.2 MAV模型建立 |
| 3.2.1 MAV动力学、运动学模型 |
| 3.2.2 MAV传感器模型 |
| 3.3 MAV群行为规则 |
| 3.3.1 Reynolds的群模型 |
| 3.3.2 MAV群行为模型 |
| 3.4 本章小结 |
| 第四章 利用MAV群执行搜索任务的程序设计与实现 |
| 4.1 用PSO算法求解MAV群搜索路径 |
| 4.1.1 PSO算法概述 |
| 4.1.2 问题模型设计 |
| 4.1.3 算法并行化及其实现 |
| 4.1.4 算法实现的正确性验证 |
| 4.2 MAV群并行仿真程序设计 |
| 4.2.1 仿真对象、事件与交互 |
| 4.2.2 程序流程 |
| 4.3 用户图形界面程序 |
| 4.4 本章小结 |
| 第五章 并行仿真实验及结果分析 |
| 5.1 可重复性实验 |
| 5.1.1 实验目的及方法 |
| 5.1.2 实验结果及分析 |
| 5.2 不同处理器分布情况实验 |
| 5.2.1 实验目的及方法 |
| 5.2.2 实验结果及分析 |
| 5.3 对象分解方式比较 |
| 5.3.1 实验目的及方法 |
| 5.3.2 实验结果及分析 |
| 5.4 时间同步算法比较 |
| 5.4.1 实验目的及方法 |
| 5.4.2 实验结果及分析 |
| 5.5 并行仿真加速比研究 |
| 5.5.1 实验目的及方法 |
| 5.5.2 实验结果及分析 |
| 5.6 增加数据过滤管理模块 |
| 5.6.1 实验目的及方法 |
| 5.6.2 实验结果及分析 |
| 5.7 分组、分块管理 |
| 5.7.1 基本思想及实验方法 |
| 5.7.2 实验数据及分析 |
| 5.8 本章小结 |
| 第六章 结束语 |
| 6.1 论文工作总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（3）并行数据处理中间件体系结构的研究和应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及背景 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景 |
| 1.2 课题研究的目的与意义 |
| 1.3 国内外研究现状分析 |
| 1.3.1 群集系统 |
| 1.3.2 并行数据处理技术 |
| 1.3.3 数据处理中间件 |
| 1.4 课题主要研究内容 |
| 1.5 论文的组织 |
| 第2章 并行数据处理中间件体系结构的研究 |
| 2.1 并行数据库体系结构 |
| 2.1.1 SM体系结构 |
| 2.1.2 SD体系结构 |
| 2.1.3 SN体系结构 |
| 2.1.4 三种结构的对比 |
| 2.2 并行数据处理中间件系统 |
| 2.2.1 中间件功能结构 |
| 2.2.2 信息服务 |
| 2.2.3 系统运行 |
| 2.3 群集管理系统的研究 |
| 2.3.1 全局资源管理 |
| 2.3.2 单一系统映像 |
| 2.4 本章小结 |
| 第3章 并行数据处理中间件的设计 |
| 3.1 并行数据处理中间件总体结构的设计 |
| 3.1.1 并行数据处理中间件三层框架 |
| 3.1.2 并行数据处理中间件硬件结构 |
| 3.1.3 并行数据处理中间件系统体系结构 |
| 3.1.4 并行数据处理中间件系统各层间的接口通信 |
| 3.1.5 并行数据处理中间件功能结构 |
| 3.2 群集管理系统的设计 |
| 3.2.1 群集管理系统模型 |
| 3.2.2 群集管理系统功能描述 |
| 3.2.3 群集资源管理系统的组件模型 |
| 3.2.4 群集资源管理系统的工作状态模型 |
| 3.3 并行数据处理元数据的设计 |
| 3.3.1 元数据的分析 |
| 3.3.2 并行数据处理中间系统的元数据模型 |
| 3.3.3 元数据上的操作 |
| 3.4 查询执行控制系统的设计 |
| 3.4.1 查询执行控制系统功能描述 |
| 3.4.2 查询执行控制系统工作原理 |
| 3.4.3 查询结果综合 |
| 3.5 相关功能的设计 |
| 3.5.1 中间件系统数据放置的设计 |
| 3.5.2 中间件系统缓存系统的设计 |
| 3.6 本章小结 |
| 第4章 并行数据处理中间件系统的实现 |
| 4.1 总体结构的功能实现 |
| 4.2 建立模块的实现 |
| 4.2.1 群集管理系统的实现 |
| 4.2.2 数据字典模块的实现 |
| 4.2.3 通讯模块的实现 |
| 4.3 系统运行模块的实现 |
| 4.3.1 语法分析模块的实现 |
| 4.3.2 执行控制模块的实现 |
| 4.3.3 客户应用端的实现 |
| 4.4 并行数据处理中间件系统实验及应用测试 |
| 4.4.1 数据放置和划分方案测试 |
| 4.4.2 缓存效果测试 |
| 4.4.3 应用现场测试 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（4）基于群集智能的产品共进化设计方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 设计复杂性及其处理方法 |
| 1.2.1 复杂性的定义 |
| 1.2.2 设计复杂性的分类 |
| 1.2.3 设计复杂性的仿生处理方法 |
| 1.3 群集智能研究进展 |
| 1.3.1 群集智能产生的背景 |
| 1.3.2 群集智能的生物原型和算法模型 |
| 1.3.3 群集智能的典型应用 |
| 1.4 进化设计方法研究进展 |
| 1.4.1 进化设计的三个层面 |
| 1.4.2 面向问题求解的进化设计方法及应用 |
| 1.4.3 基于基因建模和操作的进化设计方法、系统与应用 |
| 1.4.4 人工生命与全自动进化设计 |
| 1.5 本文的主要研究内容与体系结构 |
| 2 基于群集智能的产品共进化设计方法 |
| 2.1 产品创新设计过程的三维空间描述 |
| 2.2 复杂设计问题求解过程的形式化描述 |
| 2.3 面向产品设计的共进化思想 |
| 2.3.1 生物界的共进化现象 |
| 2.3.2 问题空间－算子空间－解空间的共进化 |
| 2.4 小结 |
| 3 基于蚁群算法的机构创新设计方法 |
| 3.1 引言 |
| 3.2 基于进化蚁群优化算法的机构同构判定 |
| 3.2.1 机构同构判定问题的模型及其转化 |
| 3.2.2 MSC 的进化蚁群优化算法求解 |
| 3.2.3 EACS 算法的数值实验 |
| 3.3 平面10 杆机构同构判定实例 |
| 3.4 基于蚁群聚类算法的机构轨迹综合 |
| 3.4.1 机构轨迹综合问题处理思路 |
| 3.4.2 机构轨迹的数字化描述模型 |
| 3.4.3 基于蚁群聚类算法的机构轨迹曲线聚类分析 |
| 3.4.4 机构轨迹模式匹配 |
| 3.5 平面4 杆机构轨迹综合实例 |
| 3.6 小结 |
| 4 基于粒子群优化算法的公差优化设计方法 |
| 4.1 引言 |
| 4.2 公差优化设计问题的数学模型 |
| 4.2.1 工艺公差优化设计的多目标优化模型 |
| 4.2.2 工序和工艺公差并行优化设计模型 |
| 4.3 基于多目标粒子群优化算法的工艺公差优化设计 |
| 4.3.1 粒子群优化算法 |
| 4.3.2 多目标粒子群优化算法 |
| 4.4 零件工艺公差多目标优化设计实例 |
| 4.5 基于混合群集智能算法的并行公差优化设计 |
| 4.5.1 并行公差优化设计问题模型的转化 |
| 4.5.2 混合群集智能算法 |
| 4.6 工序与工艺并行公差优化设计实例 |
| 4.7 小结 |
| 5 基于蚁群优化算法的离散变量桁架结构共进化设计方法 |
| 5.1 引言 |
| 5.2 离散变量桁架结构的优化设计模型 |
| 5.2.1 离散变量桁架结构尺寸优化模型 |
| 5.2.2 离散结构拓扑优化模型 |
| 5.3 离散变量桁架结构共进化设计过程 |
| 5.4 面向离散变量桁架结构共进化设计的定制蚁群优化算法 |
| 5.4.1 面向离散变量桁架结构尺寸优化设计的定制蚁群优化算法 |
| 5.4.2 面向离散变量桁架结构拓扑优化设计的定制蚁群算法 |
| 5.4.3 计算复杂度分析 |
| 5.5 数值实验与性能分析 |
| 5.5.1 算法参数设置 |
| 5.5.2 载荷对结构共进化设计的影响 |
| 5.5.3 位移约束对结构共进化设计的影响 |
| 5.6 抛物面天线背架结构优化设计实例 |
| 5.7 小结 |
| 6 基于元胞自动机的连续结构共进化设计方法 |
| 6.1 引言 |
| 6.2 连续结构拓扑优化设计的问题模型 |
| 6.2.1 稳定力载荷下连续结构拓扑优化设计问题模型 |
| 6.2.2 稳态传热条件下的连续结构拓扑优化设计问题模型 |
| 6.3 基于元胞自动机的连续结构共进化设计过程 |
| 6.4 元胞自动机模型构造 |
| 6.4.1 元胞自动机的基本概念 |
| 6.4.2 结构单元到元胞的映射 |
| 6.4.3 基于PID 控制理论的局部进化规则设计 |
| 6.4.4 收敛性判定准则 |
| 6.4.5 算法计算复杂度的理论分析 |
| 6.5 参数选择与讨论 |
| 6.5.1 PID 控制参数的选择与讨论 |
| 6.5.2 邻居结构的讨论 |
| 6.6 方形平板散热结构拓扑优化设计实例 |
| 6.7 机翼剖面结构拓扑优化设计实例 |
| 6.7.1 翼剖面的基本理论 |
| 6.7.2 翼剖面拓扑优化设计实例 |
| 6.8 小结 |
| 7 基于群集智能的产品共进化设计原型系统 |
| 7.1 原型系统简介 |
| 7.1.1 系统功能 |
| 7.1.2 系统结构 |
| 7.2 原型系统开发的关键技术 |
| 7.3 机构创新设计支持系统子模块 |
| 7.3.1 机构同构判定子功能模块 |
| 7.3.2 机构轨迹综合子功能模块 |
| 7.4 公差优化设计系统子模块 |
| 7.5 离散变量桁架结构共进化设计系统子模块 |
| 7.6 连续结构共进化设计系统子模块 |
| 7.7 小结 |
| 8 全文总结与展望 |
| 8.1 全文总结 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
| 附录I 攻读博士学位期间发表论文情况 |
| 附录II 攻读博士学位期间获奖情况 |
（5）实时集群系统的设计实现与优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 问题的提出及研究意义 |
| 1.1.1 问题的提出 |
| 1.1.2 研究的意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究的目的和研究内容 |
| 1.4 技术路线 |
| 2 集群技术概述 |
| 2.1 计算机体系结构的演变 |
| 2.1.1 计算机发展的几个阶段 |
| 2.1.2 可扩展的计算机体系结构及演变趋势 |
| 2.2 基于LINUX 的集群系统 |
| 2.2.1 Linux 集群的发展 |
| 2.2.2 集群的分类 |
| 2.2.3 几种有代表性的集群的构建的方法以及比较 |
| 2.3 集群系统的特点 |
| 3 实时集群系统RTCS 的设计与实现 |
| 3.1 实时集群系统体系结构 |
| 3.1.1 实时集群系统的构建思想 |
| 3.1.2 实时集群系统的硬件体系结构 |
| 3.1.3 实时集群系统的软件体系结构 |
| 3.2 RTCS 的三种调度策略 |
| 3.2.1 集中式调度 |
| 3.2.2 部分分布式调度 |
| 3.2.3 全分布式调度 |
| 3.3 RTCS 系统的组件设计与实现 |
| 3.3.1 总体模块设计 |
| 3.3.2 RTCS 类结构 |
| 3.3.3 CS 调度策略的实现 |
| 3.3.4 DS 调度策略的实现 |
| 3.3.5 PBDS 调度策略的实现 |
| 3.4 本章小结 |
| 4 RTCS 的优化分析设计与实现 |
| 4.1 后端服务器的服务模式研究 |
| 4.1.1 顺序服务模式 |
| 4.1.2 多进程并发服务模式 |
| 4.2 后端服务器的弹性控制算法 |
| 4.3 丢弃任务机制 |
| 4.3.1 提前丢弃 |
| 4.3.2 执行中丢弃 |
| 4.4 通信组件的优化分析及设计实现 |
| 4.4.1 Linux 环境下通信编程简介 |
| 4.4.2 异步 IO 机制 |
| 4.4.3 多路复用的优先级服务算法 |
| 4.5 本章小结 |
| 5 系统测试与性能分析 |
| 5.1 实验设计 |
| 5.2 性能参数 |
| 5.3 变化节点数下的性能对比实验 |
| 5.4 大数量传感器对比实验 |
| 5.5 服务模式对比实验及弹性控制算法实验 |
| 5.5.1 顺序与并发服务模式性能对比实验 |
| 5.5.2 弹性控制算法实验 |
| 6 论文总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 作者攻读学位期间发表的论文 |
| 作者攻读学位期间参加的科研项目 |
（6）一种利用工作站群集的并行计算研究方案（论文提纲范文）
| 1 工作站群集并行计算方案 |
| 1.1 群集结构 |
| 1.2 MPI编程环境 |
| 1.3 4个节点的实验平台 |
| 2 应用实例 |
| 3 结束语 |
（7）可扩展数据仓库性能管理的研究与设计（论文提纲范文）
| 第一章 可扩展数据仓库性能管理概述 |
| 1.1 数据仓库技术概述 |
| 1.1.1 数据仓库的概念 |
| 1.1.2 数据仓库的产生 |
| 1.2 数据仓库性能概述 |
| 1.2.1 数据集成 |
| 1.2.2 查询 |
| 1.2.3 并行技术 |
| 1.3 课题意义和国内外发展状况概述 |
| 1.4 本章小结 |
| 第二章 数据集成 |
| 2.1 数据集成概述 |
| 2.2 元数据和数据集市 |
| 2.2.1 元数据 |
| 2.2.2 数据集市 |
| 2.3 数据集成ETL |
| 2.3.1 数据抽取 |
| 2.3.2 数据转换 |
| 2.3.3 数据清理 |
| 2.3.4 数据装载 |
| 2.4 休眠数据 |
| 2.4.1 休眠数据的产生 |
| 2.4.2 识别休眠数据 |
| 2.4.3 删除休眠数据 |
| 2.5 本章小结 |
| 第三章 查询性能优化 |
| 3.1 索引技术 |
| 3.1.1 位图索引 |
| 3.1.2 B树索引 |
| 3.2 非规格化 |
| 3.2.1 创建数据阵列 |
| 3.2.2 预聚集数据 |
| 3.2.3 列复制 |
| 3.2.4 预连接 |
| 3.3 本章小结 |
| 第四章 并行技术 |
| 4.1 可扩展性和并行技术 |
| 4.2 并行硬件 |
| 4.2.1 对称多处理器 |
| 4.2.2 群集技术 |
| 4.2.3 海量并行处理 |
| 4.2.4 非均匀内存访问 |
| 4.3 软件并行 |
| 4.4 布纹和数据库分割 |
| 4.4.1 布纹方法 |
| 4.4.2 表格分割方法 |
| 4.5 本章小结 |
| 第五章 可扩展数据仓库的设计 |
| 5.1 ANALYSIS SERVICES简介 |
| 5.2 构造考试数据仓库平台 |
| 5.3 扩展我们的数据仓库平台 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 读研期间发表论文 |
（8）微机群集并行系统中的系统构建（论文提纲范文）
| 1 Linux操作系统 |
| 1.1 Linux及其网络系统的配置 |
| 1.2 建立用户间的可信任关系 |
| 2 PVM的安装与运行 |
| 2.1 PVM的安装 |
| 2.2 PVM的启动 |
| 2.3 并行程序的编译与运行 |
| 3 通信性能测试 |
（9）基于高性能微机群集的并行计算环境的设计与实现（论文提纲范文）
| 1 BSP模型简介[3, 4] |
| 2 BSP并行计算环境的设计与实现 |
| 3 实例研究和结果分析 |
| 4 讨 论 |
四、微机群集并行系统的应用技术（论文参考文献）
- [1]基于大数据的企业财务预警理论与方法研究[D]. 宋彪. 中央财经大学, 2015(12)
- [2]基于KD-PARSE的MAV群并行仿真[D]. 王再社. 国防科学技术大学, 2008(05)
- [3]并行数据处理中间件体系结构的研究和应用[D]. 程慧. 哈尔滨工程大学, 2008(06)
- [4]基于群集智能的产品共进化设计方法研究[D]. 陶振武. 华中科技大学, 2007(05)
- [5]实时集群系统的设计实现与优化[D]. 常光辉. 重庆大学, 2007(05)
- [6]一种利用工作站群集的并行计算研究方案[J]. 赖国明,杨圣云. 河南大学学报(自然科学版), 2004(02)
- [7]可扩展数据仓库性能管理的研究与设计[D]. 秦学勇. 合肥工业大学, 2003(02)
- [8]微机群集并行系统中的系统构建[J]. 周美莲. 中南民族学院学报(自然科学版), 2000(03)
- [9]基于高性能微机群集的并行计算环境的设计与实现[J]. 陈昌生,李志良,谭福平. 上海大学学报(自然科学版), 2000(02)
- [10]实现并行计算的群集系统[J]. 庄昌文,林晓东,刘心松. 计算机应用, 1998(06)