WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


Pages:     | 1 |   ...   | 22 | 23 ||

The metadata describing relevant objects for PDKD computations, such as data sources and data mining software, are represented by XML documents into a local repository (KMR), and their availability is published by entries into the Directory Information Tree maintained by a LDAP server, which is provided by the Grid Information Service (GIS) of the Globus Toolkit. The main attributes of the LDAP entries specify the location of the repositories containing the XML metadata, whereas the XML documents maintain more specific information for the effective use of resources. The basic tools of the DA service have been implemented allowing to find, retrieve and select metadata about PDKD objects on the grid, on the basis of different search parameters and selection filters. Moreover, we are modeling the representation of execution plans as graphs, where nodes represents computational elements (data sources, software programs, results, etc.) and arcs represents basic operations (data movements, data filtering, program execution, etc.). We plan to consider different network parameters, such as topology, bandwidth and latency, for PDKD program execution optimization.

6. Conclusion Parallel computers are today the more effective tools for the implementation of high performance applications. In scientific, industrial, and commercial computing, parallel computers are critical resources for solving complex problems. Among several significant research areas in highperformance computing, we discussed here some of those that are very promising and in a near future will play a major role in scientific and commercial applications of parallel computers: high-performance simulation of complex systems using cellular automata, knowledge discovery on large data sets using parallel data mining algorithms, parallel genetic programming and grid computing. Algorithms, tools, and applications that have been developed have been discussed and their relevance in the high performance arena have been outlined.

References 1. Fayynd U.M., Piateskv-Shapiro G., Smyth P. From Data Mining to Knowledge Discovery: an Overview. In Advances in Knowledge Discovery and Data Mining, pp. 1–34, AAAI MIT Press, 1996.

2. Berry, M. J.A., Linoff G. Data Mining Techniques for Marketing, Sales, and Customer Support, Wiley Computer Publishing (1997) 3. Freitas A. A., Lavington S. H. Mining Very Large Database with Parallel Processing, Kluwer Academic Publishers (1998).

4. Skillicorn, D. Strategies for Parallel Data Mining, IEEE Concurrency, 7, december (1999).

5. Aldenderfer M.S., Blashfield R.K. Cluster Analisys. SAGE Publications, Inc., Beverly Hills, California.

6. Chen M.S., Han J., Yu P.S. Data Mining: An Overview from a Database Perspective. In IEEE Trans. on Knoweldge Discovery and Data Engineering, Vol. 8, No. 6, pages 866–883, 1996.

7. Stoffel K., Belkoniene A. Parallel K-Means Clustering for Large Data Sets. In Proc. of Euro-Par '99, LNCS 1685, pp. 1451–1454, 1999.

8. Cheeseman P., Stutz J. Bayesian Classification (AutoClass). Theory and Results. In Advances in Knowledge Discovery and Data Mining, pages 153–180, 1996.

9. Hunter L., States D.J. Bayesian Classification of Protein Structure.

IEEE Expert, 7(4):67–75, 1992.

10. Foti D., Lipari D., Pizzuti C., Talia D. Scalable Parallel Clustering for Data Mining on Multicomputer. In Proc. of the 3rd Int. Workshop on High Performance Data Mining HPDM00-IPDPS, pages 390–398, May 2000.

11. Foster I., Kesselman C. The Grid : Blueprint for a New Computing Infrastructure, Morgan Kaufmann Publ. (1999).

12. Foster I., Kesselman C. Globus : a metacomputing infrastructure toolkit. International Journal of Supercomputing Applications 11 (1997) pp. 115–128.

13. Cannataro M., Talia D. Parallel and Distributed Knowledge Discovery on the Grid: A Reference Architecture, Proc. of the 4th International Conference on Algorithms and Architectures for Parallel Computing (ICA3PP), Hong Kong, World Scientific Publ., pp. 662–673, 2000.

14. Cannataro M., Talia D., Trunfio P. The Knowledge Grid: Towards an Architecture for Knowledge Discovery on the Grid, First EuroGlobus Workshop, Lecce, 2001.

15. Pizzuti C., Folino G., Spezzano G. CAGE: A Tool for Parallel Genetic Programming Applications, Proc. of the 4th European Conf. on Genetic Programming EuroGP2001, Springer-Verlag, LNCS 2038, pp.

64–73, 2001.

16. Michlewicz Z. Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag, Second Edition, Berlin, 1994.

17. Andre D., Koza J.R. Exploiting the fruits of parallelism: An implementation of parallel genetic programming that achieves super-linear performance. Information Science Journal, Elsevier, 1997.

18. Cant-Paz E. A summary of research on parallel genetic algorithms, Technical Report 950076, Illinois Genetic Algorithm Laboratory. University of Illinois at Urbana Champaign, Urbana. July 1995.

19. Koza J. R. Genetic Programming: On the Programming of Computers by means of Natural Selection, MIT Press, Cambridge, 1992.

20. Koza J.R., Andre D. Parallel genetic programming on a network of transputers. Technical Report CS-TR-95–1542, Computer Science Department, Stanford University, 1995.

21. Martin W.N., Lienig J., Cohoon J.P. Island (migration) models: evolutionary algorithms based on punctuated equilibria, in T. Back, D.B. Fogel, Z. Michalewicz (eds.), Handbook of evolutionary Computation.

IOP Publishing and Oxford University Press, 1997.

22. Niwa T., Iba H. Distributed Genetic Programming -Empirical Study and Analyses - Genetic Programming 1996, Proceedings of the First Annual Conference, MIT Press. Stanford University. July 1996.

23. Pettey C.C. Diffusion (cellular) models, in T. Back, D.B. Fogel, Z.

Michalewicz (eds.), Handbook of evolutionary Computation, IOP Publishing and Oxford University Press, 1997.

24. Punch W. F. How Effective are Multiple Populations in Genetic Programming. Genetic Programming '98, Proceedings of the Third Annual Conference, MIT Press, University of Winsconsin. July 1998.

25. Tackett W.A., Carmi A. Simple Genetic Programming in C, Available through the genetic programming archive at ftp::/ftp.io.com/pub/ genetic-programming/code/sgpcl.tar.Z.

26. Telford S., Smith G., Baracca C., Longo A., Ornelli P., Spezzano G., Talia D. COLOMBO WP3: Design for Portable, Parallel CA Software Environment, Deliverable D6, May 1998.

27. Cannataro M., Di Gregorio S., Kongo R., Spataro W., Spezzano G., and Talia D. A Parallel Cellular Automata Environment on Multicomputers for Computational Science, Parallel Computing, 21, 803–824, 1995.

28. Spezzano G., Talia D. A High-Level Cellular Programming Model for Massively Parallel Processing, Proc. 2nd Int. Workshop on High-Level Programming Models and Supportive Environments - HIPS97. IEEE Computer Society Press, pp. 55–63, 1997.

29. Di Gregorio S., Rongo R., Spataro W., Spezzano G., Talia D. A Parallel Cellular Tool for Interactive Modeling and Simulation, IEEE Computational Science & Engineering, 3(3), 33–43, 1996.

30. Di Gregorio S., Festa D.C., Kongo R., Spataro W., Spezzano G., Talia D. A Microscopic Freeway Traffic Simulator on a Highly Parallel System, in Parallel Computing: State-of-the-Art and Perspectives, E.

D'Hollander et al, eds., pp. 69–76, Elsevier, 1996.

31. Spezzano G. Simulating Parallel Models of Landslides by a Computational Steering Environment, Proc. of the 18th International Conference on Applied Informatics AI'2000, IASTED Press, Austria, 2000.

32. Spezzano G., Talia D. Designing Parallel Models of Soil Contamination by the Carpet Language, Future Generation Computer Systems, 13(4–5), 291–302, 1998.

33. Talia D. Solving Problems on Parallel Computers by Cellular Programming, Proc. of the 3rd Int. Workshop on Bio-Inspired Solutions to Parallel Processing Problems BioSP3–IPDPS. LNCS 1800, SpringerVerlag, 2000.

34. Spezzano G., Talia D. CAMELot: A Parallel Cellular Environment for Modelling Complexity, AI*IA Notizie, 2001 (to appear).

СОДЕРЖАНИЕ Оргкомитет семинара................................................................................. Авдеев П.А., Артамонов М.В., Бахрах С.М. и др. Комплекс программ ЛЭГАК для расчета нестационарных течений многокомпонентной сплошной среды и принципы реализации комплекса на многопроцессорной ЭВМ с распределенной памятью............................................................................................... Андреев А.Н., Воеводин Вл.В. Учебно-научный центр МГУ по высокопроизводительным вычислениям......................................... Бахрах С.М., Наумов А.О. Численное моделирование образования спиральных галактик на супер-ЭВМ с распределенной памятью............................................................................................. Бахрах С.М., Спиридонов В.Ф., Володина Н.А. Численное моделирование роста начального возмущения при косом соударении металлических пластин............................................... Бахрах С.М., Величко С.В., Кулыгина О.Н., Лучинин М.В., Спиридонов В.Ф. Распараллеливание явно-неявного алгоритма счета газодинамики на многопроцессорных системах с распределенной памятью.............................................. Беляев В.А., Тимошевская Н.Е. Распараллеливание обхода дерева поиска для решения задачи о рюкзаке на кластерной системе.... Воропинов А.А., Мотлохов В.Н., Рассказова В.В.

Распараллеливание счета по программе ДМК на многопроцессорных машинах с общей памятью с использованием интерфейса OpenMP............................................ Гергель В.П. Общая характеристика программы курса «Многопроцессорные вычислительные системы и параллельное программирование»................................................. Гергель В.П. Оценка эффективности параллельных вычислений для Intel-процессорных вычислительных кластеров..................... Гольдштейн М.Л., Матвеев А.В. Многопроцессорная система сбора и обработки данных научного эксперимента................ Гришагин В.А., Песков В.В. Повышение эффективности параллельных рекурсивных схем редукции размерности............ Деменев А.Г. Спецкурс «Параллельные вычислительные системы:

основы программирования и компьютерного моделирования» как продолжение и развитие линии «моделирование» в подготовке учителя информатики.................................................. Демиховский В.Я., Малышев А.И. Моделирование динамики сложных квантовых систем............................................................. Дрейбанд М.С. Реализация алгоритмов модульной арифметики в кластерных системах........................................................................ Золотых Н.Ю. Параллельные алгоритмы идентификации геометрических объектов на решетке............................................ Исламов Г.Г., Мельчуков С.А., Клочков М.А., Бабич О.В., Сивков Д.А. Организация высокопроизводительных вычислений на кластере PARC Удмуртского госуниверситета.. Квасов Д.Е. Структуры данных для реализации адаптивных диагональных кривых...................................................................... Киселев А.В., Зверев Е.Л. Постановка задачи оптимального назначения параллельной программы на гетерогенный вычислительный кластер................................................................. Крюков В.А. Разработка параллельных программ для вычислительных кластеров............................................................. Кутьин А.М., Славутин И.Г., Смирнов Л.В. Параллельные вычисления для обратных задач макрокинетики химических процессов в проточных аппаратах.................................................. Кузьминский М., Мускатин А. Cоздание и применение кластеров Beowulf в суперкомпьютерном центре ИОХ РАН........................ Лабутин Д.Ю. Сравнительный анализ производительности вычислительного кластера для операционных систем Windows 2000 и Linux RedHat 7.0................................................................... Лопатин И.В., Свистунов А.Н., Сысоев А.В. Экспериментальное сравнение технологий параллельных вычислений в кластерных системах........................................................................ Майданов С.А. Общие подходы разработки параллельных методов Монте-Карло................................................................................... Медведев П.Г. Алгоритм параллельного построения адаптивной треугольной конечно-элементной сетки для статических задач деформирования пластин.............................................................. Мееров И.Б., Сысоев А.В. Оптимизация вычислений для однопроцессорных компьютерных систем на базе Pentiumв задаче матричного умножения................................................... Мельников Ю.А. Динамическое управление ресурсами мультикластерной вычислительной системы.............................. Нарайкин А.А., Ковалёв А.В. Распараллеливание вычислений трансцендентных функций на суперскалярных архитектурах Intel.................................................................................................. Нарайкин А.А., Лопатин И.В. Проблемы эффективного использования узлов на основе архитектур Intel в гетерогенных кластерах................................................................. Невидин К. Параллельные вычисления в многослойных динамических системах................................................................. Петров Д.Ю. Преобразования цветовых пространств и параллельные вычисления............................................................. Попов С.Б. Программная реализация формальной модели взаимодействующих последовательных процессов.................... Сазонов А.Н. Статическое построение расписания выполнения параллельной программы с использованием генетических алгоритмов...................................................................................... Сальников А. Разработка инструментальной системы для динамической балансировки загрузки процессоров и каналов связи................................................................................................. Свистунов А.Н. Использование библиотеки параллельных методов PLAPACK при разработке параллельных программ................... Сепман В.Ю., Золотарев В.И., Галюк Ю.П. Принципы построения учебно-научного комплекса высокопроизводительных вычислений СПбГУ........................... Шишкин А., Гельбух С. Простейший вычислительный кластер на базе учебного класса...................................................................... Спирин В.Е. Выбор системы управления кластером.......................... Wasniewski J., Andersen B.S., Gustavson F., Karaivanov A., Marinova M., Yalamov P. LAWRA – Linear Algebra With Recursive Algorithms....................................................................... Sergeyev Ya.D. Parallel global optimization algorithms.......................... Spezzano G., Talia D. High Performance Computing : Tools and Applications.....................................................................................

Pages:     | 1 |   ...   | 22 | 23 ||










© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.