W artykule rozważono problematykę szeregowania zadań wieloprocesowych, związanych z dziedziną przetwarzania obrazów, dla wieloprocesowego układu TMS320C80. Rozważony został problem szeregowania zbioru niezależnych zadań wieloprocesowych dla trzech procesorów DSP, wchodzących w skład układu TMS320C80. Celem postawionego zadania było znalezienie takiego planu szeregowania jedno i dwuprocesowych zadań, przeznaczonych dla dedykowania procesorów DSP, aby łączny czas w którym procesory pozostają w stanie jałowym był minimalny. Dokonano przeglądu proponowanych w literaturze algorytmów oraz zaproponowano nowe oryginalne rozwiązanie rozważonego zagadnienia. Zamieszczono również wyniki eksperymentów, których celem było porównanie efektywności nowo zaproponowanego algorytmu z dwoma algorytmami zaprezentowanymi uprzednio w literaturze.
EN
In the paper the problem of multiprocessor tasks scheduling for the image processing multiprocessor device the TMS320C80 is discussed. The problem of scheduling of independent multiprocessor tasks set for three DSP processors is examined. The main purpose is to find the optimal schedule of uniprocessor and biprocessor tasks for three dedicated DSP processors so that the total passive time of all the processors should be as short as possible. The proposed in the literature algorithms are discussed and the new solution of the considered problem is presented. The experimental results, the purpose of which is to compare the effectiveness of the proposed tasks scheduling algorithm with two different algorithms known in the literature, are also presented.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
We develop efficient single- and multi-core algorithms to compute partition functions for RNA sequences. Our algorithms, which are based on McCaskill's algorithm, are benchmarked against state-of-the-art fast algorithms obtained using the parallelizing source-to-source compilers PLUTO and TRACO. On our Intel I9 computational platform, our best single core algorithm takes up to 81.2% less time than the single core algorithm resulting from PLUTO, which is faster than that obtained from TRACO. Our best multi-core algorithm takes up to 84.7% less time than the multi-core algorithm obtained using TRACO when run with 20 threads (our I9 has 10 cores and supports hyperthreading); the TRACO multi-core algorithm is faster than the PLUTO one.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Particle-in-cell (PIC) simulations are focusing on the individual trajectories of a very large number of particles in self-consistent and external electric and magnetic fields; they are widely used in the study of plasma jets, for example. The main disadvantage of PIC simulations is the large simulation runtime,which often requires a parallel implementation of the algorithm. The current paper focuses on a PIC1d3v simulation algorithm and describes the successful implementation of a parallel version of it on a multi-core architecture, using OpenMP, with very promising experimental and theoretical results.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.