摘要：为在全比较(ATAC)问题的分布式计算中达到较高的性能,提出一种基于任务驱动启发式的数据分发策略,充分考虑分布式环境中的存储使用、数据本地性和负载平衡。提出两个分发数据的启发式规则;根据相关约束条件和任务需求,所有的数据项均可在本地进行处理,使对于所有计算任务均具备良好的数据本地性。实验结果表明,对于64个节点的集群,所提策略实现了80%的存储节约量和100%的数据本地性,获得了理想化线性加速的89%。所提策略在ATAC问题的分布式计算中达到了较高性能。

摘要：针对在分布式系统下进行多序列比对等全比较计算的数据分发问题,提出了一种基于禁忌搜索优化的全比较数据分发策略用于提高计算效率.首先,以负载均衡、最小化存储为优化目标构建了全比较计算数据分发模型.其次,通过设计n进制编码方式、正向任务调度规则和异节点任务互换等优化算子对标准禁忌搜索算法进行改进,得到了基于禁忌搜索优化的负载均衡数据分发算法和最小化存储数据分发算法并在MATLAB上进行了实现.实验结果表明,本文提出的数据分发策略能让分布式系统达到负载均衡,节约40%-50%的存储空间,实现100%的数据本地化率,相比于主流的全比较数据分发算法具备最快的求解速度.

摘要：在极化码连续消除列表(SCL)算法中译码时延是提升译码性能的关键,度量排序是译码时延的重要部分。为了降低译码时度量排序的时间消耗,首次将并行全比较排序应用到极化码译码度量排序中,并提出一种简化全比较(SPF)改进结构以降低硬件消耗。经过数据分析表明,在硬件相差无几的情况下,当列表长度为8时,传统剪切双调排序结构(PBS)的延时是简化全比较(SPF)结构的2.25倍。FPGA仿真的实验结果表明,简化全比较(SPF)结构具备排序延时低和硬件效率高的特点。