Разработка и исследование элементов и устройств для повышения производительности параллельных вычислителей ориентированных на обработку многомерных задач

• Автор: Цветкова, Юлия Александровна
• Шифр специальности: 05.13.05, 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Таганрог
• Количество страниц: 158 с. : ил.

ВВЕДЕНИЕ

ГЛАВА I. АНАЛИЗ ВЫЧИСЛИТЕЛЬНЫХ СРЕДСТВ ДЛЯ РЕШЕНИЯ МНОГОМЕРНЫХ ЗАДАЧ

. Классы решаемых многомерных задач

1.2.Анализ возможностей суперкомпьютеров различных классов для решения многомерных задач

1.3. Исследование возможностей кластеров ЭВМ для решения многомерных задач

1.4. Пути повышения производительности кластеров ЭВМ

1.5. Выводы
ГЛАВА 2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ ЭЛЕМЕНТОВ И УСТРОЙСТВ КЛАСТЕРА ЭВМ НА ОСНОВЕ МНОГОСЛОЙНОЙ КОММУТАЦИИ
2.1. Разработка элементов и устройств высокопроизводительного кластера на основе многослойных вычислений

2.2. Выбор типа коммутатора для организации кластера

2.3. Исследование характеристик разработанной структуры кластера на примере моделирования разработки нефтесодержащего пласта
2.4. Выводы
ГЛАВА 3. ПОВЫШЕНИЕ ПРОИЗВОДИТЕЛЬНОСТИ КЛАСТЕРОВ ЭВМ НА ОСНОВЕ СТАТИЧЕСКОГО ОПТИМАЛЬНОГО ПЛАНИРОВАНИЯ ПРИ ОБРАБОТКЕ МНОГОМЕРНЫХ ЗАДАЧ
3.1. Задачи, методы и проблемы исследования сложных систем
3.2. Разработка алгоритма моделирования параллельной обработки задач и методики его применения для статического оптимального планирования
г 3.2.1.Общая характеристика выбранного метода планирования
3.2.2. Матричные последовательности модели задач
3.2.3. Расчет основных параметров параллельной обработки задачи на основе ее матричной групповой модели
3.2.4. Методика применения алгоритма для статического оптимального планирования параллельной обработки задач
3.3.Применение алгоритма для повышения производительности
кластера на основе многослойной коммутации при решении задачи моделирования разработки нефтесодержащих пластов
3.4. Выводы
ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ХАРАКТЕРИСТИК ЭЛЕМЕНТОВ И УСТРОЙСТВ РАЗРАБОТАННОГО КЛАСТЕРА ПРИ РЕШЕНИИ ЗАДАЧИ МОДЕЛИРОВАНИЯ РАЗРАБОТКИ НЕФТЕСОДЕРЖАЩЕГО ПЛАСТА
4.1.Задача моделирования разработки нефтесодержащего пласта
4.2. Выбор программнотехнических средств
4.3.Разработка модели программной реализации основных алгоритмов системы
4.4. Разработка и описание программы моделирования
основных алгоритмов системы
4.5. Руководство пользователя
4.6. Выводы
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
ПРИЛОЖЕНИЕ 1. УНОЬ описание коммутатора
ПРИЛОЖЕНИЕ 2. АКТЫ ОБ ИСПОЛЬЗОВАНИИ РЕЗУЛЬТАТОВ КАНДИДАТСКОЙ ДИССЕРТАЦИИ
ВВЕДЕНИЕ
Актуальность


В данной работе основной проблемой является создание систем моделирования объектов сложной конструкции, характеризующихся большой протяженностью и недостаточными знаниями об их внутренней структуре. Решение практически важных задач в различных областях науки и техники методом численного моделирования за приемлемое время требует больших вычислительных мощностей. Это сложные задачи большой размерности. Рассмотрим некоторые классы таких многомерных задач. Широкий класс задач охватывает такие области исследований, как аэродинамика, метеорология, георазведка, машиностроение и другие. Этот класс относится к задачам моделирования сплошных сред, математические модели которых представляются дифференциальными уравнениями в частных производных вместе с краевыми условиями. Они решаются сеточным методом. Требуемый объем арифметических операций зависит от числа узлов сетки и учитываемых параметров физических, геометрических и др. Если задача нестационарная, то расчет проводится для каждого временного слоя. Для повышения точности решения уменьшают шаг сетки, временной интервал между слоями, что ведет к увеличению объема вычислений. Для решения задач такого класса, например в аэродинамике, сейсмологии, нефтедобыче и других областях, количество арифметических операций составляет не менее ,. Следующий класс это задачи, математические модели которых относятся к сосредоточенным и представлены системами обыкновенных дифференциальных уравнений ОДУ с начальными условиями. Эти системы с помощью одного из численных методов интегрирования ОДУ , приводятся к алгебраической форме. При численном интегрировании систем ОДУ осуществляется дискретизация по времени. Шаг временной сетки шаг интегрирования определяется требуемой точностью решения. В случае нелинейных уравнений система линеаризуется методом Ньютона. X Х,Х2,,Хт искомый вектор, Ъ ,Рпг заданный вектор. Требуемый для решения СЛАУ объем арифметических операций оценивается сложностью т3. Для сложных систем размерность ш матрицы А обычно превышает ю3 и приведнное к арифметическим общее число операций также достаточно велико и составляет О . При проектировании технических систем число компонентов в системе может достигать очень большой величины. Например, современная интегральная схема может содержать число компонентов транзисторы, конденсаторы, резисторы и др. Ю9 . При решении систем ОДУ отдельно стоит задача вычисления собственных значений матрицы А, которые определяют динамические свойства системы. Знание собственных значений позволяет правильно определить объем и точность вычислений. Расчт собственных значений матриц большой размерности является сложной задачей ,. Для выбора оптимального варианта системы необходимы многократные прогоны моделей и обработка большого объема результатов вычислительного эксперимента . Число прогонов ограничивается только производительностью компьютеров. Отметим важный класс прикладных задач, решение которых численными методами сталкивается со значительными трудностями, это некорректные задачи 4,,. Особенность этих задач состоит в том, что их решения неустойчивы к малым изменениям исходных данных. На практике это приводит к трудностям в интерпретации полученного решения. Эти задачи широко представлены среди различных классов прикладных задач. Например, некорректными являются задачи решения СЛАУ в условиях близкого к нулю определителя системы а также плохо обусловленные системы, задачи оптимального управления и оптимального проектирования систем, задачи обработки результатов физических экспериментов. К некорректным относятся также задачи распознавания статических и динамических образов объектов явлений по результатам обработки сигналов, изображений. Это задачи радио и гидролокации, сейсмо и георазведки, медицинской и технической диагностики, робототехники и другие ,,,. Разработаны различные способы , построения регуляризирующих операторов в зависимости от специфики решаемых прикладных задач. Разработка технических систем, которые решают задачи этого класса, имеет важное практическое значение. В работе для исследования эффективности разработанного кластера выбрана задача 1. ЭВМ ,.