《并行算法》课程总结与复习
《并行算法》课程总结与复习
并行算法》课程总结与复习Ch1 并行算法基础1.1并行计算机体系结构并行计算机的分类SISD,SIMD,MISD,MIMD ； SIMD,PVP,SMP,MPP,COW,DSM 并行计算机的互连方式静态： LA（LC）,MC,TC,MT,HC,BC,SE动态： Bus, Crossbar Switcher, MIN（Multistage InterconnectionNetworks）1.2并行计算模型PRAM 模型： SIMD-SM ，又分 CRCW（CPRAM,PPRAM,APRAM）,CREW,EREWSIMD-IN 模型： SIMD-DM异步 APRAM 模型： MIMD-SMBSP模型：MIMD-DM，块内异步并行，块间显式同步LogP 模型： MIMD-DM ，点到点通讯1.3并行算法的一般概念并行算法的定义并行算法的表示并行算法的复杂度：运行时间、处理器数目、成本及成本最优、加速比、并行效率、工作量并行算法的 WT表示：Brent定理、WT最优加速比性能定律并行算法的同步和通讯Ch2 并行算法的基本设计技术基本设计技术平衡树方法：求最大值、计算前缀和倍增技术：表序问题、求森林的根分治策略： FFT 分治算法划分原理：均匀划分（PSRS排序）、对数划分（并行归并排序）、方根划分（Valiant归并排序）、功能划分（（m,n）-选择）流水线技术：五点的 DFT 计算Ch3 比较器网络上的排序和选择算法3.1Batcher归并和排序0-1 原理的证明奇偶归并网络：计算流程和复杂性（比较器个数和延迟级数）双调归并网络：计算流程和复杂性（比较器个数和延迟级数）Batcher排序网络：原理、种类和复杂性3.2（m, n）-选择网络分组选择网络平衡分组选择网络及其改进Ch4 排序和选择的同步算法4.1一维线性阵列上的并行排序算法4.2二维Mesh上的并行排序算法ShearSort排序算法Thompson&Kung 双调排序算法及其计算示例4.3Sto ne双调排序算法4.4Akl并行k-选择算法：计算模型、算法实现细节和时间分析4.5Valia nt并行归并算法：计算模型、算法实现细节和时间分析4.7 Preparata并行枚举排序算法：计算模型和算法的复杂度Ch5 排序和选择的异步和分布式算法5.1MIMD-CREW 模型上的异步枚举排序算法5.2MIMD-TC 模型上的异步快排序算法5.3分布式k-选择算法Ch6 并行搜索6.1单处理器上的搜索6.2SIMD 共享存储模型上有序表的搜索：算法6.3SIMD 共享存储模型上随机序列的搜索：算法6.4树连接的 SIMD 模型上随机序列的搜索：算法6.5网孔连接的 SIMD 模型上随机序列的搜索：算法和计算示例Ch8 数据传输与选路8.1引言信包传输性能参数维序选路（X-Y选路、E-立方选路）选路模式及其传输时间公式8.2单一信包一到一传输SF和CT传输模式的传输时间（一维环、带环绕的Mesh、超立方）8.3一到多播送SF和CT传输模式的传输时间（一维环、带环绕的Mesh、超立方）及传输方法8.4多到多播送SF和CT传输模式的传输时间（一维环、带环绕的Mesh、超立方）及传输方法8.5贪心算法（书 8.2）二维阵列上的贪心算法蝶形网上的贪心算法8.6随机和确定的选路算法（书 8.3）Ch12 矩阵运算12.1矩阵的划分：带状划分和棋盘划分，有循环的带状划分和棋盘划分12.2矩阵转置：网孔和超立方连接的算法及其时间分析12.3矩阵向量乘法带状划分的算法及其时间分析棋盘划分的算法及其时间分析12.4矩阵乘法简单并行分块算法Cannon算法及其计算示例Fox 算法及其计算示例 DNS 算法及其计算示例 Systolic 算法Ch13 数值计算13.1稠密线性方程组求解 SIMD-CREW 的上三角方程组回代算法SIMD-CREW 上的 Gauss-Jordan算法MIMD-CREW 上的 Gauss-Seidel算法13.2稀疏线性方程组的求解三对角方程组的奇偶规约求解法Gauss-Seide迭代法的红黑着色并行算法13.3非线性方程的求根Ch14 快速傅立叶变换FFT14.1快速傅里叶变换 (FFT) 离散傅里叶变换 (DFT) 串行 FFT 递归算法及其计算原理串行 FFT 蝶式计算及其蝶式计算流图14.2DFT 直接并行算法SIMD-MT 上的并行 DFT 算法14.3并行 FFT 算法 SIMD-MC 上的 FFT 算法 SIMD-BF 上的 FFT 算法及其时间分析Ch15 图论算法15.1图的并行搜索P-深度优先搜索及其计算示例 p-宽深优先搜索及其计算示例 p-宽度优先搜索及其计算示例15.2图的传递闭包基于布尔矩阵乘积的算法原理计算示例SIMD-CC 上的传递闭包算法15.3图的连通分量基于传递闭包的算法基于顶点合并的算法15.4图的最短路径基于矩阵乘积的算法原理计算示例15.5图的最小生成树 SIMD-EREW 模型上的 Prim 算法算法的时间分析Ch17 组合搜索17.1基于分治法的与树搜索与树并行搜索过程处理器数目与搜索效率关系17.2基于分枝限界法的或树搜索串行分枝限界法示例: 0-1 背包问题,8- 谜问题及其搜索算法的并行化 TSP问题的分枝限界算法及其并行化Ch18 随机算法18.1引言基本知识：随机算法的定义、分类时间复杂性度量设计方法18.2低度顶点部分独立集串行算法随机并行算法及其正确性证明18.5多项式恒等的验证基本原理和方法矩阵乘积的验证原理。
并行计算课程报告
并行计算课程报告1．学习总结1.1并行计算简介并行计算是相对于串行计算来说的。
它是一种一次可执行多个指令的算法，目的是提高计算速度，及通过扩大问题求解规模，解决大型而复杂的计算问题。
所谓并行计算可分为时间上的并行和空间上的并行。
时间上的并行就是指流水线技术，而空间上的并行则是指用多个处理器并发的执行计算。
1.2并行计算机分类和并行机体系结构的特征按内存访问模型、微处理器和互联网络的不同，当前流行的并行机可分为对称多处理共享存储并行机（SMP：Symmetric Multi-Processing）、分布共享存储并行机（DSM：Distributed Shared Memory）、机群（cluster）、星群（constellation）和大规模并行机（MPP：Massively Parallel Processing）等五类。
SMP并行机有如下主要特征：对称共享存储、单一的操作系统映像、局部高速缓存cache 及其数据一致性、低通信延迟、共享总线带宽、支持消息传递、共享存储并行程序设计。
SMP 并行机具有如下缺点：欠可靠、可扩展性（scalability）较差。
DSM 并行机具有如下主要特征：并行机以结点为单位，每个结点包含一个或多个CPU，每个CPU 拥有自己的局部cache，并共享局部存储器和I/O设备，所有结点通过高性能互联网络相互连接；物理上分布存储；单一的内存地址空间；非一致内存访问（NUMA）模式；单一的操作系统映像；基于cache 的数据一致性；低通信延迟与高通信带宽；DSM 并行机可扩展到数百个结点，能提供每秒数千亿次的浮点运算性能；支持消息传递、共享存储并行程序设计。
机群(cluster)有三个明显的特征：①系统由商用结点构成，每个结点包含2-4 个商用微处理器，结点内部共享存储。
②采用商用机群交换机连接结点，结点间分布存储。
③在各个结点上，采用机群Linux 操作系统、GNU 编译系统和作业管理系统。
并行计算 期末考试复习背诵要点
复习要点1、Parallel computing并行计算，sequential computing串行计算，instruction指令，multiple多数据，communication通信，exclusive互斥，concurrent 并发，recursive递归，data数据，exploratory探索，speculative投机，block cyclic循环块，randomized block随机块，distribution分配，graph partitioning 图划分，speedup加速比，efficiency效率，cost费用，Amdahl’s law，architecture构架，fundimental functions基本函数，synchronization同步，matrix mulitiplication矩阵乘，matrix transposition 矩阵转置，bitonci sorting双调排序，odd-even sorting奇偶排序，Shortest path，minimum spanning tree，connected components，maximal independent set，2、SMP（对称多处理机连接）MPP (Massive Parallel Processors 大规模并行）Cluster of Workstation（工作站机群）Parallelism（并行化）, pipelining（流水线技术）, Network topology（网络拓扑结构）, diameter of a network（网络直径）, bisection width（对分宽度）, data decomposition（数据分解）, task dependency graphs（任务依赖图）, granularity（粒度）, concurrency（并发）, process（进程）, processor（处理器）, linear array（线性阵列）, mesh（格网）, hypercube（超立方体）, reduction（规约）, prefix-sum（前缀和）, gather（收集）, scatter（散发）, threads（线程）, mutual exclusion（互斥）, shared address space（共享地址空间）, synchronization（同步）, the degree of concurrency（并发度）, Dual of a communication operation（通信操作的对偶操作）3、并行计算与串行计算在算法设计主要不同点：(1)具有强大的处理器互连关系(2)并行计算依赖并行计算模型上的，如共享内存，共享地址空间或消息传递。
并行计算总复习
并行计算总复习题型：1．问答题；2．算法描述；3．走例子说明对算法的理解第二章SIMD 和MIMD 所代表的计算模型是什么？主要区别和各自的系统结构示意图。
SPMD的含义是什么？若按通讯方式对并行算法进行分类有几种分类方法，各自的特点是什么？在理想并行计算模型中（parallel random access machine(PRAM), EREW, CREW, 和CRCW表示的意思是什么？能画出多处理机系统中处理单元的基本互连结构图，Mash, hypercube, 网络，对静态网络的测度：直径，连通性，二分宽度(bisection width), cost.能说出一种解决多处理器系统中cache和内存数据一致性问题的方法。
能给出store-and-forward routing 和cut-through routing的思想通讯费用是如何计算的？延迟时间，t s, t h, t w对Mesh 的X-Y_routing和对Hypercube的E-Cube routing的路由规则。
如何把linear array, mesh 和hypercube 相互嵌入？G(i,d)函数的计算。
把复杂网络嵌入的简单网络，能说明些什么问题？其意义是什么？一般对简单网络的带宽是怎么要求的？第三章dependency graph 的定义及画法。
对同一问题dependency graph 的画法是否唯一？并行算法的粒度定义是什么？把processes 影射到processors的基本原则是什么？减少通讯，…,在并行算法设计时，有几种把计算分解的技术？能举例说明。
能说明data parallel model, task graph model 和work pool model 的含义。
第四章Basic communication operations能画出下列操作的示意图one to all broadcast; all to one reductionall to all broadcast; all to all reductionscatter, gather, all reduce, prefix sum，all to all personalized communication. Circular shift,能写出在hypercube上的one to all broadcast/ all to one reductionall-to-all personal broadcast;all-to-all broadcast;算法以及时间复杂性的分析。
(完整word版)并行计算总复习之秘笈
并行计算总复习第一章：1并行计算与串行计算在算法和编程上有哪些显著差异？答：·并行算法设计与并行计算机处理器的拓扑连接相关·并行算法设计和采用的并行计算模型有关。
·并行计算有独自的通讯函数·并行算法设计时，如何将问题分解成独立的子问题是科学研究问题，并非所有的问题都可以进行分解。
2多核与多处理机的异同点？多处理机：把多个处理器通过网络互连形成一个新机器。
可以是专用，也可以是通用。
拓扑连接是可以改变的。
多核：在过去单个处理器芯片上实现多个“执行核”。
但这些执行核都有独立的执行命令集合和体系结构。
这些独立的执行核+超线程SMT技术组成多核处理器3对单处理器速度提高的主要限制是什么？答：晶体管的集成密度，功耗和CPU表面温度等第二章1 SIMD 和MIMD 所代表的计算模型是什么？主要区别和各自的系统结构示意图。
SPMD的含义是什么？SIMD指单指令多数据流模型；MIMD指多指令多数据流模型；SPMD指单程序多数据流模型，在SIMD中把指令改为程序表示每个处理器并行的执行程序。
SIMD MIMD硬件较少处理器较多处理器内存一个寻址系统，存储量小多个寻址系统，存储量大耗费较高，难开发易于开发（多个商业组件可用）加速高取决于应用2 若按通讯方式对并行算法进行分类有几种分类方法，各自的特点是什么？基于共享地址空间：并行平台支持一个公共的数据空间，所有处理器都可以访问这些空间。
处理器通过修改存储在共享地址空间的数据来实现交互。
基于消息传递：消息传递平台有p个处理节点构成，每个节点有自己的独立地址空间。
运行在不同节点上的进程之间的交互必须用消息来完成，称为消息传递。
这种消息交换用来传递数据、操作以及使多个进程间的行为同步。
3 在理想并行计算模型中（并行随机访问计算机parallel random access machine(PRAM), EREW, ERCW CREW, 和CRCW表示的意思是什么？EREW：互斥读互斥写，这一类的PRAM独占访问内存单元，不允许并发的读写操作。
并行算法复习
1.并行算法:一些可同时执行的诸进程的集合，这些进程相互作用和相互协调。
2.并行与并发的关系：并行<并发并发是指两个或者多个事件在同一时间间隔内发生。
在单处理机系统中，每一时刻仅能有一道程序执行，宏观上多道程序在同时运行，微观上这些程序是分时交替执行。
3.并行与分布式的关系：网络；并行更注重性能，而分布式更注重透明共享。
4.并行与网格计算（普适计算）的关系：网格通过网络连接地理上分布的各类计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等，形成对用户相对透明的虚拟的高性能计算环境，让人们透明地使用这些资源和功能。
它们与并行计算存在规模上的差异。
5.并行与云计算的关系：云计算以开放的标准和服务为基础，以互联网为中心，提供安全、快速、便捷的数据存储和网络计算服务，让互联网这片“云”上的各种计算机共同组成数个庞大的数据中心及计算中心。
云计算把计算及存储以服务的形式提供给互联网用户，用户所使用的数据、服务器、应用软件、开发平台等资源都来自互联网上的虚拟化计算中心，该数据中心负责对分布在互联网上的各种资源进行分配、负载的均衡、软件的部署、安全的控制等。
6.为什么要研究并行算法？（1）CPU的发展速度：Moore Law。
（2）“深蓝”计算机以3.5:2.5战胜卡斯帕罗夫。
（3）需求：快速（天气预报），提高计算精度，与理论、实验并重的科学方法（代替核武器实验）7.并行计算机分类1. SISD,Single Instruction Stream & Single Data Stream:特征：串行的和确定的。
指令系统: CISC, RISC2. SIMD,Single Instruction Stream & Multiple Data Stream:特征：同步的；确定的；适合于指令/操作级并行。
1)阵列处理机（资源重复）;2)流水线处理机（时间重叠）.3. MISD,Multiple Instruction Stream & Single Data Stream :4. MIMD,Multiple Instruction Stream & Multiple Data Stream共享存储MIMD，也称对称多处理机（SMP，Symmetry MultiProcessors），属于紧密耦合的多处理机系统适合于小粒度并行分布式共享存储MIMD，也称为非一致内存访问（NUMA, Non-Uniform Memory Access），属于松耦合的多处理机系统（共享虚拟存储技术）,适合于中小粒度并行分布式存储MIMD1).大规模并行系统MPP (Massively Parallel Processing)CM-5、曙光1000、神州-Ⅱ巨型机可以最大限度地增加处理机的数量，但结点间需要依赖消息传递进行通信，适合于中小粒度并行2).群集系统Cluster特点：适合于粗粒度并行8.网络直径（network diameter）：网络中最远的两台处理机间的距离，即处理机间通信所需要跨越的网络边的条数的最大值。
并行计算实训课程学习总结并行程序设计与性能优化
并行计算实训课程学习总结并行程序设计与性能优化并行计算实训课程学习总结：并行程序设计与性能优化在本学期的并行计算实训课程中，我学习了并行程序设计与性能优化的基本概念和技巧。
通过课程的学习，我对并行计算的原理和应用有了更深入的了解，并且掌握了一些重要的并行编程工具和技术。
本文将对我在课程学习中所获得的收获和体会进行总结。
一、并行计算基础知识的学习在课程的初期，我们首先系统地学习了并行计算的基础知识。
我们了解了并行计算的定义和特点，并且学习了一些常用的并行计算模型和编程范式，如共享内存和分布式内存，并行编程的基本概念等。
通过这些学习，我对并行计算的概念和原理有了更加清晰的认识，并且了解到了并行计算在大规模数据处理和科学计算领域的重要性。
二、并行程序设计的实践在掌握了并行计算的基础知识后，我们进行了一系列的并行程序设计实践。
我们采用了不同的并行编程模型和工具，如OpenMP和MPI，并编写了一些简单的并行程序。
通过实践，我学会了如何在程序中进行任务划分和数据划分，并且掌握了一些常用的并行编程技巧，如粒度调整、负载平衡等。
这些实践帮助我更好地理解了并行程序设计的思想和方法，并且提高了我的编程能力。
三、性能优化的策略与技术在实践的基础上，我们进一步学习了性能优化的策略与技术。
我们了解了一些常见的性能瓶颈，如数据传输、负载不平衡等，并学习了一些性能优化的方法和工具，如并行算法设计、并行调试和性能分析工具等。
通过对这些策略和技术的学习，我学会了如何在编程过程中尽可能地提高程序的并行性和性能，并且提高了我的问题分析和解决能力。
综上所述，通过本学期的并行计算实训课程，我不仅学会了并行程序设计与性能优化的基本理论和技术，还提高了我的实践能力和问题解决能力。
这门课程对我今后的学习和研究具有重要的指导意义。
我将继续努力学习，并将所学知识应用到实际项目中，为实现高效的并行计算做出贡献。
注：本文仅为参考范文，具体内容需要根据实际情况和要求进行修改和补充。
并行算法课程总结
课程总结
本学期通过学习算法分析与设计课程，了解到：算法是一系列解决问题的清晰指令，代表着用系统的方法描述解决问题的策略机制。
算法能够对一定规范的输入，在有限时间内获得所要求的输出。
如果一个算法有缺陷或不适合某个问题，执行这个算法将不会解决这个问题。
不同的算法可能用不同的时间、空间或效率来完成同样的任务。
一个算法的优劣可以用空间复杂性和时间复杂度来衡量。
算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。
计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件，都必须使用具体的算法来实现。
算法设计与分析是计算机科学与技术的一个核心问题。
设计的算法要具有以下的特征才能有效的完成设计要求，算法的特征有:（1）有穷性。
算法在执行有限步后必须终止.（2）确定性。
算法的每一个步骤必须有确切的定义。
（3)输入。
一个算法有0个或多个输入，作为算法开始执行前的初始值，或初始状态。
（4）输出。
一个算法有一个或多个输出，以反映对输入数据加工后的结果。
没有输出的算法是毫无意义的。
（5）可行性。
在有限时间内完成计算过程。
在学习课程内容的时候感觉到一些算法的学习如果没有进行提前的预习的话，只靠上课的讲解有可能并不能很好的理解和把握。
因此课前预习很关键。
此外，希望老师能在课上进行适当的练习，比如算法那里。
本学期的这门课程让我知道了研究并行算法的重要性，在这里要衷心的感谢老师，谢谢！。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《并行算法》课程总结与复习
Ch1 并行算法基础
1.1 并行计算机体系结构
并行计算机的分类
▪SISD,SIMD,MISD,MIMD；
▪SIMD,PVP,SMP,MPP,COW,DSM
并行计算机的互连方式
▪静态：LA(LC),MC,TC,MT,HC,BC,SE
▪动态：Bus, Crossbar Switcher, MIN(Multistage Interconnection Networks)
1.2 并行计算模型
PRAM模型：SIMD-SM，
又分CRCW(CPRAM,PPRAM,APRAM),CREW,EREW
SIMD-IN模型：SIMD-DM
异步APRAM模型：MIMD-SM
BSP模型：MIMD-DM，块内异步并行，块间显式同步
LogP模型：MIMD-DM，点到点通讯
1.3 并行算法的一般概念
并行算法的定义
并行算法的表示
并行算法的复杂度：运行时间、处理器数目、成本及成本最优、加速比、并行效率、工作量
并行算法的WT表示：Brent定理、WT最优
加速比性能定律
并行算法的同步和通讯
Ch2 并行算法的基本设计技术
基本设计技术
平衡树方法：求最大值、计算前缀和
倍增技术：表序问题、求森林的根
分治策略：FFT分治算法
划分原理：
均匀划分(PSRS排序)、对数划分(并行归并排序)、方根划分(Valiant归并排序)、功能划分( (m,n)-选择)
流水线技术：五点的DFT计算
Ch3 比较器网络上的排序和选择算法
3.1 Batcher归并和排序
0-1原理的证明
奇偶归并网络：计算流程和复杂性(比较器个数和延迟级数)
双调归并网络：计算流程和复杂性(比较器个数和延迟级数)
Batcher排序网络：原理、种类和复杂性
3.2 (m, n)-选择网络
分组选择网络
平衡分组选择网络及其改进
Ch4 排序和选择的同步算法
4.1 一维线性阵列上的并行排序算法
4.2 二维Mesh上的并行排序算法
ShearSort排序算法
Thompson&Kung双调排序算法及其计算示例
4.3 Stone双调排序算法
4.4 Akl并行k-选择算法：计算模型、算法实现细节和时间分析
4.5 Valiant并行归并算法：计算模型、算法实现细节和时间分析
4.7 Preparata并行枚举排序算法：计算模型和算法的复杂度
Ch5 排序和选择的异步和分布式算法
5.1 MIMD-CREW模型上的异步枚举排序算法
5.2 MIMD-TC模型上的异步快排序算法
5.3分布式k-选择算法
Ch6 并行搜索
6.1 单处理器上的搜索
6.2 SIMD共享存储模型上有序表的搜索：算法
6.3 SIMD共享存储模型上随机序列的搜索：算法
6.4 树连接的SIMD模型上随机序列的搜索：算法
6.5 网孔连接的SIMD模型上随机序列的搜索：算法和计算示例
Ch8 数据传输与选路
8.1 引言
信包传输性能参数
维序选路(X-Y选路、E-立方选路)
选路模式及其传输时间公式
8.2 单一信包一到一传输
SF和CT传输模式的传输时间(一维环、带环绕的Mesh、超立方)
8.3 一到多播送
SF和CT传输模式的传输时间(一维环、带环绕的Mesh、超立方)及传输方法8.4 多到多播送
SF和CT传输模式的传输时间(一维环、带环绕的Mesh、超立方)及传输方法8.5 贪心算法(书8.2)
二维阵列上的贪心算法
蝶形网上的贪心算法
8.6 随机和确定的选路算法(书8.3)
Ch12矩阵运算
12.1 矩阵的划分：带状划分和棋盘划分，有循环的带状划分和棋盘划分12.2 矩阵转置：网孔和超立方连接的算法及其时间分析
12.3 矩阵向量乘法
带状划分的算法及其时间分析
棋盘划分的算法及其时间分析
12.4 矩阵乘法
简单并行分块算法
Cannon算法及其计算示例
Fox算法及其计算示例
DNS算法及其计算示例
Systolic算法
Ch13 数值计算
13.1 稠密线性方程组求解
SIMD-CREW的上三角方程组回代算法
SIMD-CREW上的Gauss-Jordan算法
MIMD-CREW上的Gauss-Seidel算法
13.2 稀疏线性方程组的求解
三对角方程组的奇偶规约求解法
Gauss-Seidel迭代法的红黑着色并行算法
13.3 非线性方程的求根
Ch14 快速傅立叶变换FFT
14.1 快速傅里叶变换(FFT)
离散傅里叶变换(DFT)
串行FFT递归算法及其计算原理
串行FFT蝶式计算及其蝶式计算流图
14.2 DFT直接并行算法
SIMD-MT上的并行DFT算法
14.3 并行FFT算法
SIMD-MC上的FFT算法
SIMD-BF上的FFT算法及其时间分析
Ch15 图论算法
15.1 图的并行搜索
p-深度优先搜索及其计算示例
p-宽深优先搜索及其计算示例
p-宽度优先搜索及其计算示例
15.2 图的传递闭包
基于布尔矩阵乘积的算法原理
计算示例
SIMD-CC上的传递闭包算法
15.3 图的连通分量
基于传递闭包的算法
基于顶点合并的算法
15.4 图的最短路径
基于矩阵乘积的算法原理
计算示例
15.5 图的最小生成树
SIMD-EREW模型上的Prim算法
算法的时间分析
Ch17组合搜索
17.1 基于分治法的与树搜索
与树并行搜索过程
处理器数目与搜索效率关系
17.2 基于分枝限界法的或树搜索
串行分枝限界法
示例: 0-1背包问题,8-谜问题及其搜索算法的并行化 TSP问题的分枝限界算法及其并行化
Ch18 随机算法
18.1 引言
基本知识：随机算法的定义、分类
时间复杂性度量
设计方法
18.2 低度顶点部分独立集
串行算法
随机并行算法及其正确性证明
18.5 多项式恒等的验证
基本原理和方法
矩阵乘积的验证原理。