MPI：使用MPI并行计算实现高斯消元法（windows + python + msmpi）

最新推荐文章于 2024-01-21 11:37:11 发布
VIP文章 最新推荐文章于 2024-01-21 11:37:11 发布
阅读量3k 收藏 22
点赞数 4
分类专栏： 脚本
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wenkao123456/article/details/106411610
版权

如果这个博客帮到了你，不要忘记给个赞！

运行环境为：win10 + MS-MPI v10.1.2 + python 3.7 + mpi4py

1. 代码设计思路

总体设计思路：以0号进程作为主进程，除了处理自己负责的计算任务之外，还需要对其他进程处理完的数据进行汇总和归一化。计算分为两个部分：1. 首先是遍历所有的行数，在遍历的过程中将矩阵的每一行处理为上三角的形式。N行矩阵一共遍历N轮，算法复杂度为 O(n2)。每个子进程处理完自己的行数后，将结果发送给0号进程。0号进程得到汇总数据后进行对角线元素归一化处理，然后将新的矩阵广播给其他进程进行下一步处理；2. 每个进程收到广播后将上三角矩阵中分配给自己的行数进行消元处理，将消元后的结果再次发送给0号进程，0号进程汇集成单位矩阵形式得出最终结果，消元过程中迭代时间复杂度为O(n) 。因此，总体时间复杂度为 ，最终的时间复杂度为 ，比串行计算要求的 要小一个数量级。

 

具体流程

最低0.47元/天 解锁文章
神权否定
关注
  • 4
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
MPI并行计算PI，并进行n值和并行进程个数影响探讨
qq_42348424的博客
12-28 5665
实验目的 搭建MPI并行计算环境，利用课件中计算PI的公式，计算PI值，n分别使用100、1000、10000计算结果。要求写出实验报告，并对实验结果进行分析，分析n值对PI精度的影响，并行进程个数对计算速度的影响。 实验内容及代码实现 PI计算公式 利用矩形求PI MPI流程图： C语言代码实现： #include<stdio.h> #include<mpi.h> int main(int argc,char *argv[]) { int myid,np,i,j;
高斯消元法MPI并行源代码
05-17
高斯消元法的MPI并行化，使用C++编写，通过MPI平台调试结果正确无误
基于MPI并行计算的高斯消元法程序
11-12
基于MPI并行计算的高斯消元法程序，一个课程设计的任务。
并行计算：MPI总结
热门推荐
JacksonKim的博客
08-03 4万+
一、MPI简介 1.什么是MPI Massage Passing Interface:是消息传递函数库的标准规范，由MPI论坛开发。 一种新的库描述，不是一种语言。共有上百个函数调用接口，提供与C和Fortran语言的绑定 MPI是一种标准或规范的代表，而不是特指某一个对它的具体实现 MPI是一种消息传递编程模型，并成为这种编程模型的代表和事实上的标准 2.MPI的特点 MPI有以下的特点： 消息传递式并行程序设计 指用户必须通过显式地发送和接收消息来实现处理机间的数据交换。 在这种并行编程中，每个
（一）MS-MPI入门及第一个程序
xinwuya_的博客
04-15 9619
一、MS-MPI的安装 1.下载地址 https://msdn.microsoft.com/en-us/library/bb524831(v=vs.85).aspx MS-MPI有两个安装包，一个是SDK，另一个是MPI可执行程序，两个都需要安装。 2.安装 按正常软件的安装方式即可。 二、MS-MPI的第一个程序 1. 配置MS-MPI环境 1）MS-MPI的系统变量 在安装MS-MPI的同时，...
基于高斯消去法解线性方程组（MPI）
11-22
基于高斯消去法解线性方程组（MPI），高斯消去法把Ax=b归约为上三角方程组Tx=c，这样利用回带算法求解x。第i次迭代时，选取i列的最大元素作为主元，主元所在的行称为枢轴行（枢轴行的行数会被标记），枢轴行与第i行进行交换，算法利用枢轴行和第i+1到n-1行各行的倍数将第i列上所有的非零元归约成零。最终将nxn的稠密矩阵化成上三角形，再用回带的方法算出每一个元素的值。
并行计算（MPI + OpenMP）
weixin_44885334的博客
12-21 4648
Message Passing Interface（MPI）：一种基于信息传递的并行编程技术，定义了一组具有可移植性的编程接口标准（并非一种语言或者接口）。支持点对点通信和广播。MPI 的目标是高性能、大规模性、可移植性，在今天仍为高性能计算的主要模型。OpenMPI 函数库，微软 MPI 文档程序结构（C语言版） 编译： 运行： 数据类型 MPI 数据类型 C语言数据类型 MPI_INT int MPI_FLOAT float MP
Dev配置MPI运行环境（msmpi）和OpenMP环境（运行通过）
WQS
03-13 1万+
Dev Cpp配置MPI运行环境（运行通过）第一步、Dev Cpp编译器配置1、下载新版本编译器2、解压到目录 第一步、Dev Cpp编译器配置 1、下载新版本编译器 Dev Cpp自带的编译器版本太低，编译会出错，需要更换一个新版的MinGW编译器，可通过下面的链接下载，选择适合自己系统位数的下载即可（打开链接后需要等待几秒才可开始下载）。 MinGW 8.1.0 seh 64-bit：官网下载 MinGW 8.1.0 dwarf 32-bit：官网下载 官网：https://sourceforge.ne
并行计算——MPI
zyw2002的博客
11-10 5076
文章目录MPI 环境搭建下载并安装MPICH2在VS中配置MPI环境CentOS 安装OpenMPI3.1.0MPI 原理以及编程MPI 简介MPI的概念MPI的 通信机制MPI 点对点的通信类型点对点的通信模型点对点通信的常用函数MPI聚合通信课堂编程实例Hello WorldNonblocking send/receive MPI 环境搭建 下载并安装MPICH2 下载并打开“mpich2-1.4.1p1-win-ia64.msi”。 安装64位的MPICH2 如果安装的时候，给出如下的错误提
使用 mpi4py 并行实现粒子 群优化算法_Python_代码_下载
06-20
使用 MPI（通过 mpi4py python 包）使用主从实现模型在多个节点上并行化粒子群优化算法的代码。 被粒子群优化算法最小化的目标函数是 Alpine 1 函数，它通过引入 0.1 秒的暂停而人为地变得昂贵。 设置 并行化的...
mpi.rar_MPI_mpi并行代码_并行实现_并行计算java
09-21
并行计算实验中实现MPI的功能，简单代码。
高斯消元法并行MPI解线性方程
08-06
在MPI编译环境下在C源代码的 基础上编写的并行程序：高斯消元法求解线性方程组。
（二）MS-MPI多机通信
xinwuya_的博客
04-15 3452
1.关于MPI多机通信 一台计算机处理数据的能力是有限的，MPI的主要作用就是用来实现并行计算机，即将多台主机联机，实现大规模、高性能的计算机机群。我们知道一台计算机同时运行多个进程时，由于计算机资源是共享的，多个进程都会占用一些资源，每个进程运行的效率就会降低，比如当一台计算机同时跑着多个大型应用时会变得非常卡顿。所谓多机通信，可以理解为将本应该在同一台主机上运行的多个进程分配到多台主机上，以往...
并行计算之MPI（一）
lv15076050705的博客
12-13 3186
MPI学习 1. 了解并行计算 为什么要采用并行计算？ （1）这是因为它可以加快速度即在更短的时间内解决相同的问题或在相同的时间内解决更多更复杂的问题特别是对一些新出现的巨大挑战问题； （2）节省投入并行计算可以以较低的投入完成串行计算才能够完成的任务3 （3）物理极限的约束光速是不可逾越的速度极限设备和材料也不可能做得无限小只有通过并行才能够不断提高速度，
并行计算与MPI
tomjchan的博客
06-01 1万+
并行计算 1.1. 相关背景 （1）从1986年到2002年，微处理器的性能以平均50%的速度不断提升。但从2002年开始，单处理器的性能提升速度下降到每年大约20%，这个差距是巨大的。所以，从2005年起，大部分主流的CPU制造商决定通过并行处理来快速提升微处理器的性能。 （2）单处理器性能大幅度提升的主要原因之一是日益增加的集成电路晶体管密度。随着晶体管尺寸减小，传递速度增快，集成电路整体的...
高斯消元法的MPI实现
FREEDOM-BLOG
01-12 4677
MPI 高斯消元法 MPI上的高斯消元法，解线性方程组（齐次或非齐次） 数学上，高斯消元法（或译：高斯消去法），是线性代数规划中的一个算法，可用来为线性方程组求解。但其算法十分复杂，不常用于加减消元法，求出矩阵的秩，以及求出可逆方阵的逆矩阵。不过，如果有过百万条等式时，这个算法会十分省时。一些极大的方程组通常会用迭代法以及花式消元来解决。当用于一个矩阵时，高斯消元法会产生出一个“行梯阵
MPI并行计算第一课（2小时入门）
csdnzzt的博客
01-21 1142
MPI 全名叫 Message Passing Interface，即信息传递接口，作用是可以通过 MPI 可以在不同进程间传递消息，从而可以并行地处理任务，即进行。
并行计算之MPI（三）
lv15076050705的博客
12-13 1522
了解MPI 什么是MPI （1）MPI是一个库而不是一门语言，许多人认为MPI就是一种并行语言，这是不准确的。但是按照并行语言的分类可以把FORTRAN+MPI或C+MPI。看作是一种在原来串行语言基础之上扩展后得到的并行语言，MPI库可以被FORTRAN77/C/Fortran90/C++调用，从语法上说它遵守所有对库函数/过程的调用规则和一般的函数/过程没有什么区别­ 。 （2）MPI是一种标准或规范的代表，而不特指某一个对它的具体实现。迄今为止所有的并行计算机制造商都提供对MPI的支持可以在网上免
高级色系PPT11.pptx
最新发布
05-08
高级色系PPT11.pptx
使用MPI实现并行计算1!+2!+...+n!的结果
06-06
好的，下面是使用MPI实现并行计算1!+2!+...+n!的结果的代码： ```python import math from mpi4py import MPI # 初始化MPI环境 comm = MPI.COMM_WORLD size = comm.Get_size() rank = comm.Get_rank() # 定义计算阶乘和的函数 def calc_factorial_sum(start, end): local_sum = 0 for i in range(start, end): local_sum += math.factorial(i) return local_sum # 主进程 if rank == 0: n = 10 # n为需要计算的数值 chunk_size = math.ceil(n / size) # 将n分割成size份，每份的大小为chunk_size results = [] # 用于存储各个进程计算的结果 for i in range(1, size): start_idx = (i - 1) * chunk_size + 1 end_idx = min(start_idx + chunk_size, n + 1) comm.send((start_idx, end_idx), dest=i) # 向进程i发送需要计算的起始和结束索引 # 主进程计算自己的部分 local_sum = calc_factorial_sum(1, min(chunk_size + 1, n + 1)) results.append(local_sum) # 收集各个进程计算的结果 for i in range(1, size): result = comm.recv(source=i) results.append(result) # 输出最终结果 print(sum(results)) # 其他进程 else: start_idx, end_idx = comm.recv(source=0) # 接收需要计算的起始和结束索引 local_sum = calc_factorial_sum(start_idx, end_idx) comm.send(local_sum, dest=0) # 将计算结果发送给主进程 ``` 上述代码中，主进程将需要计算的数值n分割成size份，每个进程计算其中的一份，最后将所有进程计算的结果相加得到最终结果。其他进程通过调用`comm.send`和`comm.recv`方法与主进程进行通信，计算完自己的部分后将结果发送给主进程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值