排序方式： 共有3条查询结果，搜索用时 6 毫秒
1
1.
基于消息传递接口(message passing interface,MPI),对不同的等高线简化算法并行计算的适宜性进行了比较研究。首先基于时间复杂度分析,对简化算法的效率进行分析。构建了基于MPI的等高线并行计算过程,探讨了并行计算中数据划分与合并、通信方式与计算过程3个关键问题。选取4种典型的简化算法,利用数据量呈等差分布的等高线数据进行简化并行计算试验。试验表明,算法并行计算效率不会随着节点数增加而持续性提高,尤其是串行算法效率很高的算法;基于MPI的非阻塞通信方式相对于阻塞通信方式可以提高并行计算效率;算法约束参数与数据的空间分布特征共同影响算法的并行计算效率。分析简化算法的并行计算适宜性时,应该综合考虑算法的时间复杂度、约束参数、数据量、数据分布特征以及计算环境等多个因素。该研究对于并行计算在地图综合乃至地学计算领域的拓展与应用具有重要意义。 相似文献
2.
线要素化简算法的时间复杂度分析 总被引：1，自引：0，他引：1
线状要素是地图中数量最大、要素类型最多样的要素,其化简在地图自动综合中占据了重要的地位.目前对线状要素化简算法的改进、化简质量、化简精度等方面的研究较多,对线状要素化简算法的效率研究较少.此处是在兼顾化简质量的前提下研究算法效率,通过分析化简算法约束参数的特征,将线状要素化简算法分为6类,选取其中的几个典型算法,分析了其时间复杂度,并按照线状要素化简算法的时间复杂度将其分为线性算法和非线性算法两类,初步探讨了适合这两类算法的并行计算方法. 相似文献
3.
数据划分是并行算法设计的重要步骤,其结果的均衡性与高效性是提高并行算法性能的重要前提。对于集聚分布的点集数据,传统的D-TIN(Delaunay Triangulation)并行算法尚未给出划分结果均衡、划分效率高效的理想解决方案。针对上述问题,本文在传统D-TIN并行算法规则条带划分方法的基础上,提出采用动态条带实现针对集聚分布点集数据的均衡、高效划分方法。首先,获取点集的最小外接矩形,并使用规则矩形条带按照同一方向进行点集粗分,然后,按顺序进行相邻条带的合并,必要时需动态调整合并区域边界以达到满足负载均衡的要求。为了提高划分效率,尽量减少边界移动次数,采用了对半移动的规则进行边界的动态调整。为了验证动态条带划分方法的适用性,本文使用人工模拟点集数据,进行加速比测试,使用实验区域真实数据进行D-TIN并行构建效率的统计,实验证明,采用该数据划分方法可以获得更高、更稳定的并行加速比,并且数据分布形态和数据规模对加速比的影响较小,进行D-TIN构建可以获得更好的执行效率,并且加速效果更加明显。 相似文献
1