双重并行环境下最短路径的研究

• 作者: 孙玉强 李银银 顾玉宛
• 来源期刊: 计算机测量与控制
• 关键词: 最短路径 并行计算 MapReduce GPU 数据动态处理器
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 设计与应用
• 页码范围: 195-196,230
• 页数: 3页
• 分类号: TP393
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.03.053

摘要

并行问题和最短路径问题已成为一个热点研究课题,传统的最短路径算法已不能满足数据爆炸式增长的处理需求,尤其当网络规模很大时,所需的计算时间和存储空间也大大的增加;MapReduce模型的出现,带来了一种新的解决方法来解决最短路径;GPU具有强大的并行计算能力和存储带宽,与CPU相比具有明显的优势;通过研究MapReduce模型和GPU执行过程的分析,指出单独基于MapReduce模型的最短路径并行方法存在的问题,降低了系统的性能;论文的创新点是结合MapReduce和GPU形成双并行模型,并行预处理数据,针对最短路径中的数据传输和同步开销,增加数据动态处理器;最后实验从并行算法的性能评价指标平均加速比进行比较,结果表明,双重并行环境下的最短路径的计算,提高了加速比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙玉强	常州大学信息科学与工程学院	19	65	5.0	7.0
2	顾玉宛	常州大学信息科学与工程学院	9	26	3.0	5.0
3	李银银	常州大学信息科学与工程学院	1	0	0.0	0.0