一种基于PVM的并行BP神经网络

通过分析单计算机的BP神经网络学习和执行算法,提出了使用PVM构造多计算机的并行神经网络。该并行神经网络的实现灵活应用于高可靠性和大规模数据的分析和处理中。同时,该BP神经网络的并行设计与实现,可广泛应用于其他神经网络模型的并行计算机实现。

基于PVM的博弈树的网络并行搜索

通过分析博弈理论和α-β剪枝搜索过程,提出了使用PVM构造并行搜索网络。设计和实现了基于PVM的博弈树并行搜索过程。在博弈树搜索中通过构造的并行搜索网络和使用分而治之的策略把搜索过程分布在多个计算机上同时进行,在叶计算机结点的搜索中,通过α-β剪枝技术,剪枝了大量的搜索结点。全局并行搜索和局部剪枝技术的使用,加快了搜索的速度,解决了使用单计算机搜索速度和时间不可行的问题。该博弈并行搜索模型,适用于一般的博弈树搜索问题。

基于PVM的启发式搜索的并行计算模型设计

通过分析人工智能中的A和A*启发式搜索,提出了通过PVM工具包,设计和实现A和A*启发式搜索的并行计算模型。在启发搜索过程中同时进行评估函数计算,使计算的速度加快。解决了在搜索解空间庞大,评估函数计算复杂的情况下,使用单计算机计算速度慢的问题。该文实现了基于PVM的启发式搜索过程,该模型可应用于一般性启发式搜索问题的并行计算模型。

基于移动代理的网格计算系统体系结构研究

本文针对物理链路可靠性低、容错性要求高、实体异构程度高的基础设施网格化需求，在系统分析当前主流的网格体系结构的基础上，研究了移动代理（PVM）系统的特性，根据移动代理的特点，提出了基于移动代理的四层网格计算模型MAGC(Mobile Agent Based Grid Computing)，描述了MAGC模型的层次结构，给出了MAGC模型的一个设计方案，分析了MAGC模型的特点，最后介绍了在Aglet平台下实现的原型系统。本文取得的成果主要包括： 第二章提出了基于移动代理的四层网格计算模型(MAGC)，说明了模型中每个层次的功能和层次之间的依赖关系。MAGC模型基于代码迁移，可以解决网络环境恶劣的条件下，网格系统的运行与部署问题。设计了MAGC模型的两个重要基础结构：作业机制和消息机制。设计了移动代理平台抽象层，使网格系统独立于具体的移动代理平台，从而具有一定的可移植性。 第三章在MAGC模型的基础上，进一步给出了MAGC模型的一个实现方案，阐述了MAGC模型中四个子层的功能和组件划分，对每层所包含的组件和组件实现的功能进行了描述，说明了系统的启动方式。 第四章基于MAGC模型构建了一个原型系统，原型系统以IBM开发的Aglets移动代理软件包为基础，实现了作业机制、消息机制和MAGC模型中的移动代理平台抽象层、系统服务层、API层、应用作业层四个子层。