網(wǎng)格分解方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開(kāi)了一種網(wǎng)格分解方法及系統(tǒng)。其中，網(wǎng)格分解方法包括如下步驟：將網(wǎng)格讀入內(nèi)存，獲取所述網(wǎng)格在內(nèi)存中的初始映射；獲取所述初始映射中各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力；根據(jù)所述各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力，確定每個(gè)計(jì)算節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量；基于各個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量，提取網(wǎng)格特征；基于所述網(wǎng)格特征，確定各個(gè)所述計(jì)算節(jié)點(diǎn)的分區(qū)映射子圖，完成網(wǎng)格自動(dòng)分解。本發(fā)明提高了網(wǎng)格分解的自動(dòng)化程度，實(shí)現(xiàn)負(fù)載平衡，提高并行計(jì)算效率。
【專利說(shuō)明】網(wǎng)格分解方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)并行技術(shù)，尤其涉及一種大規(guī)模數(shù)據(jù)的網(wǎng)格分解方法及系統(tǒng)。
【背景技術(shù)】
[0002] 網(wǎng)格計(jì)算是一門計(jì)算機(jī)科學(xué)，它研究如何把一個(gè)需要非常巨大的計(jì)算能力才能解 決的問(wèn)題分成許多小的部分，然后把這些部分分配給網(wǎng)格的計(jì)算節(jié)點(diǎn)進(jìn)行處理，最后把這 些計(jì)算結(jié)果綜合起來(lái)得到最終結(jié)果。
[0003] 在網(wǎng)格計(jì)算中，網(wǎng)格分解是關(guān)鍵技術(shù)。目前的網(wǎng)格分解主要依靠人工分割。顯然， 這種方式的自動(dòng)化較弱；并且，負(fù)載平衡較差且耗時(shí)較長(zhǎng)。這些缺陷，嚴(yán)重影響計(jì)算機(jī)并行 計(jì)算的效率。
【發(fā)明內(nèi)容】
[0004] 有鑒于此，本發(fā)明提出一種網(wǎng)格分解方法及系統(tǒng)，旨在提高網(wǎng)格分解的自動(dòng)化程 度，實(shí)現(xiàn)負(fù)載平衡，提高并行計(jì)算效率。
[0005] 第一方面，本發(fā)明公開(kāi)了一種網(wǎng)格分解方法，包括如下步驟：初始映射獲取步驟、 節(jié)點(diǎn)計(jì)算能力獲取步驟、最優(yōu)匹配計(jì)算量確定步驟、網(wǎng)格特征提取步驟和分區(qū)映射子圖確 定步驟。其中，初始映射獲取步驟為，將網(wǎng)格讀入內(nèi)存，獲取所述網(wǎng)格在內(nèi)存中的初始映射； 節(jié)點(diǎn)計(jì)算能力獲取步驟為，獲取所述初始映射中各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力；最優(yōu)匹配計(jì)算 量確定步驟為，根據(jù)所述各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力，確定每個(gè)計(jì)算節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量； 網(wǎng)格特征提取步驟為，基于各個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量，提取網(wǎng)格特征；分區(qū)映射子圖確定 步驟為，基于所述網(wǎng)格特征，確定各個(gè)所述計(jì)算節(jié)點(diǎn)的分區(qū)映射子圖，完成網(wǎng)格自動(dòng)分解。
[0006] 進(jìn)一步地，上述的網(wǎng)格分解方法中，所述最優(yōu)匹配計(jì)算量確定步驟進(jìn)一步為，根據(jù) 計(jì)算節(jié)點(diǎn)計(jì)算能力的不同，構(gòu)造優(yōu)化分布函數(shù)，獲得每個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量。
[0007] 進(jìn)一步地，上述的網(wǎng)格分解方法中，所述分區(qū)映射子圖確定步驟進(jìn)一步包括：粗化 步驟和分區(qū)步驟。其中，粗化步驟為，采用粗化模型，對(duì)所述網(wǎng)格特征進(jìn)行粗化，直至所述網(wǎng) 格特征的最底層，獲取粗化圖；分區(qū)步驟為，對(duì)所述粗化圖加以分區(qū)，獲取各個(gè)所述計(jì)算節(jié) 點(diǎn)的所述分區(qū)映射子圖。
[0008] 進(jìn)一步地，上述的網(wǎng)格分解方法中，所述分區(qū)步驟后還設(shè)置有細(xì)化步驟，采用精化 算法，對(duì)所述分區(qū)映射子圖進(jìn)行細(xì)化，直至所述分區(qū)映射子圖的最頂層，使各個(gè)所述計(jì)算節(jié) 點(diǎn)獲得滿足該計(jì)算節(jié)點(diǎn)最優(yōu)匹配計(jì)算量的細(xì)化分區(qū)映射子圖。
[0009] 進(jìn)一步地，上述的網(wǎng)格分解方法中，所述分區(qū)步驟中，采用并行飄帶算法對(duì)所述粗 化圖加以分區(qū)；和/或，所述細(xì)化步驟中，采用局部?jī)?yōu)化算法，對(duì)所述分區(qū)映射子圖進(jìn)行細(xì) 化。
[0010] 與現(xiàn)有技術(shù)相比，本發(fā)明提供的網(wǎng)格分解方法將網(wǎng)格映射到內(nèi)存中，確定計(jì)算節(jié) 點(diǎn)的計(jì)算能力，并站在系統(tǒng)的角度使各個(gè)計(jì)算節(jié)點(diǎn)獲得滿足該計(jì)算節(jié)點(diǎn)最優(yōu)匹配計(jì)算量的 細(xì)化分區(qū)映射子圖，即，將網(wǎng)格分裂為小規(guī)模映射子圖，以實(shí)現(xiàn)結(jié)合節(jié)點(diǎn)計(jì)算能力提高并行 計(jì)算效率。與現(xiàn)有技術(shù)相比，本發(fā)明具有任意類型網(wǎng)格的自動(dòng)分解能力，且能夠?qū)崿F(xiàn)負(fù)載平 衡，大大提高并行計(jì)算效率，耗時(shí)較短。
[0011] 第二方面，本發(fā)明還提供了一種網(wǎng)格分解系統(tǒng)，包括：初始映射獲取模塊、節(jié)點(diǎn)計(jì) 算能力獲取模塊、最優(yōu)匹配計(jì)算量確定模塊、網(wǎng)格特征提取模塊和分區(qū)映射子圖確定模塊。 其中，初始映射獲取模塊用于將網(wǎng)格讀入內(nèi)存，獲取所述網(wǎng)格在內(nèi)存中的初始映射；節(jié)點(diǎn)計(jì) 算能力獲取模塊用于獲取所述初始映射中各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力；最優(yōu)匹配計(jì)算量確定 模塊用于根據(jù)所述各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力，確定每個(gè)計(jì)算節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量；網(wǎng)格 特征提取模塊用于基于各個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量，提取網(wǎng)格特征；分區(qū)映射子圖確定模 塊用于基于所述網(wǎng)格特征，確定各個(gè)所述計(jì)算節(jié)點(diǎn)的分區(qū)映射子圖，完成網(wǎng)格自動(dòng)分解。
[0012] 進(jìn)一步地，上述網(wǎng)格分解系統(tǒng)中，所述最優(yōu)匹配計(jì)算量確定模塊進(jìn)一步用于，根據(jù) 計(jì)算節(jié)點(diǎn)計(jì)算能力的不同，構(gòu)造優(yōu)化分布函數(shù)，獲得每個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量。
[0013] 進(jìn)一步地，上述網(wǎng)格分解系統(tǒng)中，所述分區(qū)映射子圖確定模塊進(jìn)一步包括：粗化單 元和分區(qū)單元。其中，粗化單元用于采用粗化模型，對(duì)所述網(wǎng)格特征進(jìn)行粗化，直至所述網(wǎng) 格特征的最底層，獲取粗化圖；分區(qū)單元用于對(duì)所述粗化圖加以分區(qū)，獲取各個(gè)所述計(jì)算節(jié) 點(diǎn)的所述分區(qū)映射子圖。
[0014] 進(jìn)一步地，上述網(wǎng)格分解系統(tǒng)中，所述分區(qū)單元后還設(shè)置有：細(xì)化單元，用于采用 精化算法，對(duì)所述分區(qū)映射子圖進(jìn)行細(xì)化，直至所述分區(qū)映射子圖的最頂層，使各個(gè)所述計(jì) 算節(jié)點(diǎn)獲得滿足該計(jì)算節(jié)點(diǎn)最優(yōu)匹配計(jì)算量的細(xì)化分區(qū)映射子圖。
[0015] 進(jìn)一步地，上述網(wǎng)格分解系統(tǒng)中，所述分區(qū)單元中，采用并行飄帶算法對(duì)所述粗化 圖加以分區(qū)；和/或，所述細(xì)化單元中，采用局部?jī)?yōu)化算法，對(duì)所述分區(qū)映射子圖進(jìn)行細(xì)化。
[0016] 與現(xiàn)有技術(shù)相比，本發(fā)明提供的網(wǎng)格分解系統(tǒng)將網(wǎng)格映射到內(nèi)存中，確定計(jì)算節(jié) 點(diǎn)的計(jì)算能力，并站在系統(tǒng)的角度使各個(gè)計(jì)算節(jié)點(diǎn)獲得滿足該計(jì)算節(jié)點(diǎn)最優(yōu)匹配計(jì)算量的 細(xì)化分區(qū)映射子圖，即，將網(wǎng)格分裂為小規(guī)模映射子圖，以實(shí)現(xiàn)結(jié)合節(jié)點(diǎn)計(jì)算能力提高并行 計(jì)算效率。與現(xiàn)有技術(shù)相比，本發(fā)明具有任意類型網(wǎng)格的自動(dòng)分解能力，且能夠?qū)崿F(xiàn)負(fù)載平 衡，大大提高并行計(jì)算效率，耗時(shí)較短。
【專利附圖】
【附圖說(shuō)明】
[0017] 構(gòu)成本發(fā)明的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí) 施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：
[0018] 圖1為本發(fā)明網(wǎng)格分解方法第一實(shí)施例的步驟流程圖；
[0019] 圖2為本發(fā)明網(wǎng)格分解方法第二實(shí)施例的步驟流程圖；
[0020] 圖3為本發(fā)明網(wǎng)格分解方法第三實(shí)施例中，分區(qū)映射子圖確定步驟的另一種實(shí)現(xiàn) 方案；
[0021] 圖4為本發(fā)明網(wǎng)格分解方法的優(yōu)選實(shí)施例的步驟流程圖；
[0022] 圖5為本發(fā)明網(wǎng)格分解方法的優(yōu)選實(shí)施例中，并行飄帶算法所涉及的最遠(yuǎn)節(jié)點(diǎn)示 意圖；
[0023] 圖6為本發(fā)明網(wǎng)格分解方法的優(yōu)選實(shí)施例中，并行飄帶算法所涉及的切割面運(yùn)動(dòng) 示意圖；
[0024] 圖7為本發(fā)明網(wǎng)格分解系統(tǒng)第一實(shí)施例的結(jié)構(gòu)框圖；
[0025] 圖8為本發(fā)明網(wǎng)格分解系統(tǒng)第二實(shí)施例的結(jié)構(gòu)框圖；
[0026] 圖9為本發(fā)明網(wǎng)格分解系統(tǒng)第三實(shí)施例中，分區(qū)映射子圖確定模塊的另一種實(shí)現(xiàn) 方案；
[0027] 圖10為本發(fā)明網(wǎng)格分解方法的優(yōu)選實(shí)施例的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0028] 需要說(shuō)明的是，在不沖突的情況下，本發(fā)明中的實(shí)施例及實(shí)施例中的特征可以相 互組合。下面將參考附圖并結(jié)合實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明。
[0029] 參照?qǐng)D1，圖1為本發(fā)明網(wǎng)格分解方法第一實(shí)施例的步驟流程圖。該實(shí)施例包括如 下步驟：
[0030] 初始映射獲取步驟S110,將網(wǎng)格讀入內(nèi)存，獲取網(wǎng)格在內(nèi)存中的初始映射；節(jié)點(diǎn) 計(jì)算能力獲取步驟S120,獲取初始映射中各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力；最優(yōu)匹配計(jì)算量確定 步驟S130,根據(jù)各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力，確定每個(gè)計(jì)算節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量；網(wǎng)格特 征提取步驟S140,基于各個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量，提取網(wǎng)格特征，例如，六面體、四面體、 三棱柱和金字塔特征等等；分區(qū)映射子圖確定步驟S150,基于網(wǎng)格特征，確定各個(gè)計(jì)算節(jié) 點(diǎn)的分區(qū)映射子圖，完成網(wǎng)格自動(dòng)分解。
[0031] 其中，每一個(gè)節(jié)點(diǎn)都由1個(gè)或者數(shù)個(gè)CPU(中央處理器）和1個(gè)或者數(shù)個(gè)GPU(圖 形處理器）組成。節(jié)點(diǎn)間的聯(lián)系是由CPU互聯(lián)，這是目前世界上主流巨型計(jì)算機(jī)的基本體 系結(jié)構(gòu)的，如，天河一號(hào)，天河二號(hào)等。
[0032] 優(yōu)選地，所述最優(yōu)匹配計(jì)算量確定步驟S130進(jìn)一步為，根據(jù)計(jì)算節(jié)點(diǎn)計(jì)算能力的 不同，構(gòu)造優(yōu)化分布函數(shù)，獲得每個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量。
[0033] 在網(wǎng)格中，不同計(jì)算節(jié)點(diǎn)的計(jì)算能力有可能是不同的，為了提高網(wǎng)格分解通用性 和可靠性，保證不同計(jì)算能力的節(jié)點(diǎn)都能夠充分發(fā)揮計(jì)算能力，"因材"使用，可以構(gòu)造優(yōu)化 分布函數(shù)實(shí)現(xiàn)合理分配。
[0034] 在具體實(shí)施時(shí)，可選用的優(yōu)化分布函數(shù)有很多，例如，李樸雅諾夫勢(shì)能函數(shù)等。同 時(shí)，確定優(yōu)化分布函數(shù)選取的依據(jù)是最優(yōu)化理論中的相關(guān)理論。由于最優(yōu)分布函數(shù)的種類 和選取依據(jù)對(duì)于本領(lǐng)域技術(shù)人員而言是習(xí)知的，因此，本發(fā)明對(duì)此不做更多說(shuō)明。
[0035] 參照?qǐng)D2,圖2為本發(fā)明網(wǎng)格分解方法第二實(shí)施例的步驟流程圖。該方法包括如下 步驟：
[0036] 初始映射獲取步驟S210,將網(wǎng)格讀入內(nèi)存，獲取網(wǎng)格在內(nèi)存中的初始映射；節(jié)點(diǎn) 計(jì)算能力獲取步驟S220,獲取初始映射中各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力；最優(yōu)匹配計(jì)算量確定 步驟S230,根據(jù)各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力，確定每個(gè)計(jì)算節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量；網(wǎng)格特 征提取步驟S240,基于各個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量，提取網(wǎng)格特征，例如，六面體、四面體、 三棱柱和金字塔特征等等；分區(qū)映射子圖確定步驟S250,基于網(wǎng)格特征，確定各個(gè)計(jì)算節(jié) 點(diǎn)的分區(qū)映射子圖，完成網(wǎng)格自動(dòng)分解。
[0037] 其中，分區(qū)映射子圖確定步驟S250進(jìn)一步通過(guò)如下兩個(gè)步驟實(shí)現(xiàn)，即粗化步驟 S2501和分區(qū)步驟S2502。其中，粗化步驟S2501為，采用粗化模型，對(duì)網(wǎng)格特征進(jìn)行粗化， 直至網(wǎng)格特征的最底層，獲取粗化圖；分區(qū)步驟S2502為，對(duì)粗化圖加以分區(qū)，獲取各個(gè)計(jì) 算節(jié)點(diǎn)的分區(qū)映射子圖。其中，粗化模型為現(xiàn)有技術(shù)中通常采用的模型。在具體實(shí)施時(shí)，可 以根據(jù)經(jīng)驗(yàn)選取。
[0038] 參照?qǐng)D3。進(jìn)一步優(yōu)選地，分區(qū)映射子圖確定步驟進(jìn)一步通過(guò)如下三個(gè)步驟實(shí)現(xiàn)， 包括：粗化步驟S3501、分區(qū)步驟S3502和細(xì)化步驟S3503。
[0039] 粗化步驟S3501，采用粗化模型，對(duì)網(wǎng)格特征進(jìn)行粗化，直至網(wǎng)格特征的最底層，獲 取粗化圖；分區(qū)步驟S3502,對(duì)粗化圖加以分區(qū)，獲取各個(gè)計(jì)算節(jié)點(diǎn)的分區(qū)映射子圖；細(xì)化 步驟S3503,采用精化算法，對(duì)分區(qū)映射子圖進(jìn)行細(xì)化，直至分區(qū)映射子圖的最頂層，使各個(gè) 計(jì)算節(jié)點(diǎn)獲得滿足該計(jì)算節(jié)點(diǎn)最優(yōu)匹配計(jì)算量的細(xì)化分區(qū)映射子圖。
[0040] 增加細(xì)化步驟S3503好處是，可以更加細(xì)致準(zhǔn)確的實(shí)現(xiàn)對(duì)網(wǎng)格的分解。其中，精化 算法可以選用對(duì)于本領(lǐng)域技術(shù)人員而言習(xí)知的局部?jī)?yōu)化算法。
[0041] 與現(xiàn)有技術(shù)相比，上述各個(gè)實(shí)施例提供的網(wǎng)格分解方法將網(wǎng)格映射到內(nèi)存中，確 定計(jì)算節(jié)點(diǎn)的計(jì)算能力，并站在系統(tǒng)的角度使各個(gè)計(jì)算節(jié)點(diǎn)獲得滿足該計(jì)算節(jié)點(diǎn)最優(yōu)匹配 計(jì)算量的細(xì)化分區(qū)映射子圖，即，將網(wǎng)格分裂為小規(guī)模映射子圖，以實(shí)現(xiàn)結(jié)合節(jié)點(diǎn)計(jì)算能力 提高并行計(jì)算效率。與現(xiàn)有技術(shù)相比，本發(fā)明具有任意類型網(wǎng)格的自動(dòng)分解能力，且能夠?qū)?現(xiàn)負(fù)載平衡，大大提高并行計(jì)算效率，耗時(shí)較短。
[0042] 下面結(jié)合圖4,對(duì)本發(fā)明網(wǎng)格分解方法的優(yōu)選實(shí)施例作進(jìn)一步地說(shuō)明。
[0043] 首先將網(wǎng)格讀入內(nèi)存中，以獲得內(nèi)存中的初始映射。在大規(guī)模并行計(jì)算機(jī)上，特別 是巨型機(jī)上，一般計(jì)算節(jié)點(diǎn)的設(shè)計(jì)和分布是差別化的。根據(jù)計(jì)算節(jié)點(diǎn)計(jì)算能力的不同，構(gòu)造 優(yōu)化分布函數(shù)，獲得每個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量。然后，提取網(wǎng)格特征，主要是六面體、四 面體、三棱柱和金字塔特征。通過(guò)粗化模型，對(duì)網(wǎng)格特征進(jìn)行粗化，直至最底層以得到粗化 圖。進(jìn)而，對(duì)粗化圖施加多層次并行飄帶算法，加以分區(qū)得到各個(gè)節(jié)點(diǎn)上的分區(qū)映射子圖。 之后，將分區(qū)映射子圖進(jìn)行細(xì)化，期間運(yùn)用精化算法，直至最頂層，從而獲得各個(gè)計(jì)算節(jié)點(diǎn) 上的細(xì)化分區(qū)映射子圖，每一細(xì)化分區(qū)映射子圖與對(duì)應(yīng)的計(jì)算節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量相匹 配。
[0044] 其中，如上所述，粗化模型為現(xiàn)有技術(shù)中通常采用的模型。在具體實(shí)施時(shí)，可以根 據(jù)經(jīng)驗(yàn)選取。優(yōu)化分布函數(shù)有很多，例如，李樸雅諾夫勢(shì)能函數(shù)等。同時(shí)，確定優(yōu)化分布函 數(shù)選取的依據(jù)是最優(yōu)化理論中的相關(guān)理論。由于最優(yōu)分布函數(shù)的種類和選取依據(jù)對(duì)于本領(lǐng) 域技術(shù)人員而言是習(xí)知的，因此，本發(fā)明對(duì)此不做更多說(shuō)明。
[0045] 下面，對(duì)粗化圖施加多層次并行飄帶算法，加以分區(qū)得到各個(gè)節(jié)點(diǎn)上的分區(qū)映射 子圖這一步驟進(jìn)行詳細(xì)的說(shuō)明。
[0046] 第一、對(duì)本實(shí)施例采用的并行飄帶算法進(jìn)行說(shuō)明。
[0047] 并行計(jì)算中的網(wǎng)格分區(qū)問(wèn)題是一個(gè)最優(yōu)化問(wèn)題，其目標(biāo)是在負(fù)載平衡的基礎(chǔ)上通 信量盡可能的小。該最優(yōu)化問(wèn)題是一個(gè)NP完全問(wèn)題。不妨設(shè)CiSi區(qū)與
[0048] 其他區(qū)的邊切度，Na，Nb分別為a區(qū)和b區(qū)的網(wǎng)格數(shù)，m為分區(qū)數(shù)，有
【權(quán)利要求】
1. 一種網(wǎng)格分解方法，其特征在于，包括如下步驟： 初始映射獲取步驟，將網(wǎng)格讀入內(nèi)存，獲取所述網(wǎng)格在內(nèi)存中的初始映射； 節(jié)點(diǎn)計(jì)算能力獲取步驟，獲取所述初始映射中各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力； 最優(yōu)匹配計(jì)算量確定步驟，根據(jù)所述各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力，確定每個(gè)計(jì)算節(jié)點(diǎn)的 最優(yōu)匹配計(jì)算量； 網(wǎng)格特征提取步驟，基于各個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量，提取網(wǎng)格特征； 分區(qū)映射子圖確定步驟，基于所述網(wǎng)格特征，確定各個(gè)所述計(jì)算節(jié)點(diǎn)的分區(qū)映射子圖， 完成網(wǎng)格自動(dòng)分解。
2. 根據(jù)權(quán)利要求1所述的網(wǎng)格分解方法，其特征在于， 所述最優(yōu)匹配計(jì)算量確定步驟進(jìn)一步為，根據(jù)計(jì)算節(jié)點(diǎn)計(jì)算能力的不同，構(gòu)造優(yōu)化分 布函數(shù)，獲得每個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量。
3. 根據(jù)權(quán)利要求2所述的網(wǎng)格分解方法，其特征在于，所述分區(qū)映射子圖確定步驟進(jìn) 一步包括： 粗化步驟，采用粗化模型，對(duì)所述網(wǎng)格特征進(jìn)行粗化，直至所述網(wǎng)格特征的最底層，獲 取粗化圖； 分區(qū)步驟，對(duì)所述粗化圖加以分區(qū)，獲取各個(gè)所述計(jì)算節(jié)點(diǎn)的所述分區(qū)映射子圖。
4. 根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的網(wǎng)格分解方法，其特征在于，所述分區(qū)步驟后還 設(shè)置有： 細(xì)化步驟，采用精化算法，對(duì)所述分區(qū)映射子圖進(jìn)行細(xì)化，直至所述分區(qū)映射子圖的最 頂層，使各個(gè)所述計(jì)算節(jié)點(diǎn)獲得滿足該計(jì)算節(jié)點(diǎn)最優(yōu)匹配計(jì)算量的細(xì)化分區(qū)映射子圖。
5. 根據(jù)權(quán)利要求4所述的網(wǎng)格分解方法，其特征在于， 所述分區(qū)步驟中，采用并行飄帶算法對(duì)所述粗化圖加以分區(qū)；和/或 所述細(xì)化步驟中，采用局部?jī)?yōu)化算法，對(duì)所述分區(qū)映射子圖進(jìn)行細(xì)化。
6. -種網(wǎng)格分解系統(tǒng)，其特征在于，包括： 初始映射獲取模塊，用于將網(wǎng)格讀入內(nèi)存，獲取所述網(wǎng)格在內(nèi)存中的初始映射； 節(jié)點(diǎn)計(jì)算能力獲取模塊，用于獲取所述初始映射中各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力； 最優(yōu)匹配計(jì)算量確定模塊，用于根據(jù)所述各個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算能力，確定每個(gè)計(jì)算節(jié) 點(diǎn)的最優(yōu)匹配計(jì)算量； 網(wǎng)格特征提取模塊，用于基于各個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量，提取網(wǎng)格特征； 分區(qū)映射子圖確定模塊，用于基于所述網(wǎng)格特征，確定各個(gè)所述計(jì)算節(jié)點(diǎn)的分區(qū)映射 子圖，完成網(wǎng)格自動(dòng)分解。
7. 根據(jù)權(quán)利要求6所述的網(wǎng)格分解系統(tǒng)，其特征在于， 所述最優(yōu)匹配計(jì)算量確定模塊進(jìn)一步用于，根據(jù)計(jì)算節(jié)點(diǎn)計(jì)算能力的不同，構(gòu)造優(yōu)化 分布函數(shù)，獲得每個(gè)節(jié)點(diǎn)的最優(yōu)匹配計(jì)算量。
8. 根據(jù)權(quán)利要求7所述的網(wǎng)格分解系統(tǒng)，其特征在于，所述分區(qū)映射子圖確定模塊進(jìn) 一步包括： 粗化單元，用于采用粗化模型，對(duì)所述網(wǎng)格特征進(jìn)行粗化，直至所述網(wǎng)格特征的最底 層，獲取粗化圖； 分區(qū)單元，用于對(duì)所述粗化圖加以分區(qū)，獲取各個(gè)所述計(jì)算節(jié)點(diǎn)的所述分區(qū)映射子圖。
9. 根據(jù)權(quán)利要求6至8中任一項(xiàng)所述的網(wǎng)格分解系統(tǒng)，其特征在于，所述分區(qū)單元后還 設(shè)置有： 細(xì)化單元，用于采用精化算法，對(duì)所述分區(qū)映射子圖進(jìn)行細(xì)化，直至所述分區(qū)映射子 圖的最頂層，使各個(gè)所述計(jì)算節(jié)點(diǎn)獲得滿足該計(jì)算節(jié)點(diǎn)最優(yōu)匹配計(jì)算量的細(xì)化分區(qū)映射子 圖。
10. 根據(jù)權(quán)利要求9所述的網(wǎng)格分解系統(tǒng)，其特征在于， 所述分區(qū)單元中，采用并行飄帶算法對(duì)所述粗化圖加以分區(qū)；和/或 所述細(xì)化單元中，采用局部?jī)?yōu)化算法，對(duì)所述分區(qū)映射子圖進(jìn)行細(xì)化。
【文檔編號(hào)】G06F9/38GK104407840SQ201410658572
【公開(kāi)日】2015年3月11日 申請(qǐng)日期:2014年11月18日 優(yōu)先權(quán)日:2014年11月18日
【發(fā)明者】李樺, 劉楓, 田正雨, 潘沙 申請(qǐng)人:李樺, 劉楓