船舶操縱運(yùn)動(dòng)數(shù)學(xué)模型是航海模擬器的核心技術(shù),局部加權(quán)學(xué)習(xí)算法（Locally Weighted Learning,LWL）是一種新的船舶操縱運(yùn)動(dòng)建模方法,作為非參數(shù)辨識(shí)建模方法,輸入數(shù)據(jù)樣本數(shù)量決定了模型的精度,樣本數(shù)量與LWL辨識(shí)算法求解時(shí)間成正比,增加了工程實(shí)現(xiàn)難度,本文以并行計(jì)算技術(shù)對(duì)局部加權(quán)學(xué)習(xí)算法進(jìn)行并行化研究從而提升算法整體性能。1.針對(duì)局部加權(quán)學(xué)習(xí)算法實(shí)際工程需求,跨平臺(tái)C語(yǔ)言實(shí)現(xiàn)LWL算法,依次對(duì)LWL算法的訓(xùn)練與預(yù)測(cè)過(guò)程進(jìn)行C程序設(shè)計(jì)。分析了高性能計(jì)算中兩種并行結(jié)構(gòu)OpenMP和CUDA的相關(guān)并行執(zhí)行方式,以及并行計(jì)算在多個(gè)領(lǐng)域中的實(shí)現(xiàn)及應(yīng)用。分別在CPU和GPU兩種并行平臺(tái)上對(duì)局部加權(quán)算法展開(kāi)研究。2.針對(duì)局部加權(quán)學(xué)習(xí)算法預(yù)測(cè)與訓(xùn)練耗時(shí)問(wèn)題,根據(jù)OpenMP并行算法開(kāi)發(fā)的特點(diǎn)和LWL算法數(shù)據(jù)分布的特性,對(duì)LWL算法的加權(quán)函數(shù)、距離函數(shù)、最小二乘求解進(jìn)行了 OpenMP并行化設(shè)計(jì)。以Mariner輪整體型數(shù)學(xué)模型為研究對(duì)象進(jìn)行仿真研究,仿真結(jié)果表明,并行算法與串行精度一致,并行的加速效果與處理算法緊密相關(guān),即便在并發(fā)線程不超過(guò)計(jì)算機(jī)核心數(shù)的情況下,也并非并發(fā)線程越多越... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．３訓(xùn)練過(guò)程函數(shù)調(diào)用??Ｆｉｇ．?２．３?Ｔｒａｉｎｉｎｇ?ｐｒｏｃｅｓｓ?ｆｕｎｃｔｉｏｎ?ｃｏｎｖｅｒｓｉｏｎ??如式（２．６）中在求解回歸參數(shù)時(shí)需對(duì)矩陣進(jìn)行求逆運(yùn)算，一般逆??，，大

，并行計(jì)算在解決各類復(fù)雜的科學(xué)、工程應(yīng)用學(xué)科以及現(xiàn)??代社會(huì)相關(guān)應(yīng)用問(wèn)題上效果顯著，并取得良好的成果。并行計(jì)算的發(fā)展與研究需要并行??計(jì)算機(jī)系統(tǒng)、并行算法、并行程序設(shè)計(jì)以及各個(gè)并行應(yīng)用領(lǐng)域的專家共同參與。具有代??表性的應(yīng)用領(lǐng)域包括：核能研究、天氣預(yù)報(bào)、大數(shù)據(jù)云計(jì)算、人工智能等。??并行計(jì)算與串行計(jì)算的主要區(qū)別在于有些任務(wù)的執(zhí)行是有順序要求的，必須串行執(zhí)??行，如金融數(shù)據(jù)、離散格式時(shí)間維度等。而有些任務(wù)沒(méi)有執(zhí)行順序先后的約束，則可以??并發(fā)地執(zhí)行，如圖像處理、分子模擬的空間維度等，如圖３．１－３．２所示�？傮w上講，并??行計(jì)算冋題有兩種基本問(wèn)題。有計(jì)算密集（Ｃｏｍｐｕｔｉｎｇ?Ｉｎｔｅｎｓｉｖｅ）型的數(shù)值模擬、機(jī)器??學(xué)習(xí)、深度學(xué)習(xí)等；數(shù)據(jù)分析、數(shù)據(jù)挖掘等數(shù)據(jù)密集型（Ｄａｔａ?Ｉｎｔｅｎｓｉｖｅ）；協(xié)同計(jì)算和??遠(yuǎn)程診斷等網(wǎng)絡(luò)密集型（Ｎｅｔｗｏｒｋｉｎｇ?Ｉｎｔｅｎｓｉｖｅ）。??問(wèn)題劃分為小部分的運(yùn)算塊??ＩＩＩＩＩＩＩＩ???？??執(zhí)行順序??圖３．１串行執(zhí)行方式??Ｆｉｇ．?３．１?Ｓｅｒｉａｌ?ｅｘｅｃｕｔｉｏｎ??－１８?－??

?大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文???ＩＩＩ??并行執(zhí)行??ＩＨＩＨＨ??ＩＩＩ?．??執(zhí)行順序￣＾??圖３．２并行執(zhí)行方式??Ｆｉｇ．?３．２?Ｐａｒａｌｌｅｌ?ｅｘｅｃｕｔｉｏｎ??并行算法的實(shí)現(xiàn)基礎(chǔ)是并行編程模型，并行編程模型依靠軟件與硬件共同完成，解??決實(shí)際問(wèn)題的并行算法經(jīng)過(guò)總結(jié)整理形成的方案稱為并行編程模型。在硬件架構(gòu)模型基??礎(chǔ)之上把并行算法程序進(jìn)行抽象處理，并行編程與硬件實(shí)現(xiàn)架構(gòu)的不可見(jiàn)協(xié)議，使得研??宄人員在具體實(shí)現(xiàn)并行算法時(shí)更加清晰便捷。常見(jiàn)的并行編程模型有共享內(nèi)存模型、消??息傳遞模型、任務(wù)并行模型以及數(shù)據(jù)并行模型。本章將采用快速便捷的共享內(nèi)存模型??ＯｐｅｎＭＰ。??３．２?ＧＰＵ并行編程模型??１??３．２．?１?ＯｐｅｎＭＰ共享內(nèi)存模型??ＯｐｅｎＭＰ由ＳＧＩ在１９９７年提出，經(jīng)科研人員與工程師的不斷完善，制定出一套可??并行執(zhí)行程序的標(biāo)準(zhǔn)。并且支持多線程與分布式兩種并行執(zhí)行方式。為簡(jiǎn)化編程過(guò)程，??去除代碼的冗余度，ＯｐｅｎＭＰ提供了多種便捷的并行編程接口?．可進(jìn)行跨平臺(tái)工作，無(wú)??論是工程設(shè)計(jì)人員的個(gè)人計(jì)算機(jī)或者是巨型機(jī)上都可以靈活的進(jìn)行編程工作，克服了不??同機(jī)器間編譯指令不同所造成的移植性問(wèn)題。ＯｐｅｎＭＰ為共享存儲(chǔ)結(jié)構(gòu)的形式表現(xiàn)為，??計(jì)算機(jī)控制內(nèi)核函數(shù)，各個(gè)進(jìn)程運(yùn)行程序的副本被分配到相同的內(nèi)存空間，全部處理器??共享該地址空間。ＯｐｅｎＭＰ編程模型將線程作為基礎(chǔ)，多應(yīng)用于對(duì)稱式共享存儲(chǔ)器的并??ｗ?＇ｓ?４??－１９?－??

【參考文獻(xiàn)】：
期刊論文
[1]基于結(jié)構(gòu)方程模型的高校大學(xué)生海洋意識(shí)的實(shí)證研究——以湛江市六所高校為例[J]. 寇佳麗,杜軍,趙培陽(yáng).  吉林省教育學(xué)院學(xué)報(bào). 2019(10)
[2]基于圖形處理器的高速中值濾波算法[J]. 托乎提努爾,張海龍,王杰,王娜,冶鑫晨,王萬(wàn)瓊.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(03)
[3]基于MPI+OpenMP混合編程模式的大規(guī)模顆粒兩相流LBM并行模擬[J]. 何強(qiáng),李永健,黃偉峰,李德才,胡洋,王玉明.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(10)
[4]動(dòng)態(tài)受限機(jī)械臂的局部加權(quán)學(xué)習(xí)控制[J]. 王剛,孫太任,丁勝培.  系統(tǒng)仿真學(xué)報(bào). 2019(04)
[5]中外云計(jì)算產(chǎn)業(yè)發(fā)展形勢(shì)與比較[J]. 郭朝先,胡雨朦.  經(jīng)濟(jì)與管理. 2019(02)
[6]基于超級(jí)計(jì)算的大規(guī)模定日鏡場(chǎng)風(fēng)環(huán)境模擬[J]. 馬瑞霞,李正農(nóng).  廣西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[7]基于CUDA的弱可壓SPH流體建模與仿真[J]. 段興鋒,任鴻翔,神和龍.  計(jì)算機(jī)工程與科學(xué). 2018(08)
[8]基于局部加權(quán)線性回歸的電離層層析重構(gòu)[J]. 王英艷,郭承軍.  科學(xué)技術(shù)與工程. 2018(19)
[9]基于云計(jì)算和大數(shù)據(jù)的綜合管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 楊勇巖.  電子設(shè)計(jì)工程. 2018(13)
[10]局部加權(quán)線性回歸模型的PM2.5空間插值方法[J]. 盧月明,王亮,仇阿根,趙陽(yáng)陽(yáng),張用川.  測(cè)繪科學(xué). 2018(11)

博士論文
[1]基于局部加權(quán)學(xué)習(xí)的船舶操縱運(yùn)動(dòng)辨識(shí)建模[D]. 白偉偉.大連海事大學(xué) 2018
[2]面向片上異構(gòu)多核系統(tǒng)的機(jī)器學(xué)習(xí)算法并行化技術(shù)研究[D]. 高放.北京工業(yè)大學(xué) 2017
[3]共享資源約束下的多核實(shí)時(shí)調(diào)度算法研究[D]. 楊茂林.電子科技大學(xué) 2016
[4]蛋白質(zhì)結(jié)構(gòu)變化的多尺度模擬及控制機(jī)制分析[D]. 韓孟之.中國(guó)科學(xué)院研究生院(過(guò)程工程研究所) 2016
[5]基于GPU并行算法的海洋平臺(tái)及船舶結(jié)構(gòu)冰荷載的離散元分析[D]. 狄少丞.大連理工大學(xué) 2015
[6]虛擬現(xiàn)實(shí)仿真平臺(tái)異構(gòu)并行計(jì)算關(guān)鍵技術(shù)研究[D]. 劉壽生.中國(guó)海洋大學(xué) 2014
[7]面向嵌入式多核系統(tǒng)的并行程序優(yōu)化技術(shù)研究[D]. 王慶.哈爾濱工業(yè)大學(xué) 2013

碩士論文
[1]基于改進(jìn)的隨機(jī)森林模型的云平臺(tái)資源使用狀態(tài)預(yù)測(cè)研究[D]. 任雨林.武漢科技大學(xué) 2019
[2]高效視頻編碼算法的CUDA優(yōu)化[D]. 陳曦蕾.西安電子科技大學(xué) 2017
[3]局部加權(quán)的不完整數(shù)據(jù)混雜聚類算法研究[D]. 孫穎.遼寧大學(xué) 2017
[4]高光譜圖像解混方法的GPU并行設(shè)計(jì)研究[D]. 武平.大連海事大學(xué) 2017
[5]基于并行架構(gòu)的視頻SAR成像算法研究與軟件實(shí)現(xiàn)[D]. 吳雨霖.電子科技大學(xué) 2017
[6]并行人工蜂群算法的研究與應(yīng)用[D]. 梅凱.蘭州交通大學(xué) 2017
[7]高分辨率機(jī)載SAR成像及GPU實(shí)現(xiàn)[D]. 聊蕾.南京航空航天大學(xué) 2017
[8]關(guān)聯(lián)規(guī)則挖掘的并行化算法研究[D]. 劉智勇.東南大學(xué) 2016
[9]基于CUDA的實(shí)時(shí)電子穩(wěn)像研究[D]. 朱振伍.天津大學(xué) 2014
[10]基于多尺度局部對(duì)比度的紅外小目標(biāo)識(shí)別[D]. 張小濤.華中科技大學(xué) 2014



本文編號(hào)：3354093