请问有哪些算法的性能较低，并适合进行并行化改造？

yangchuan123 2010-08-10 09:12:03

请问有哪些算法的性能较低，并适合进行并行化改造？

...全文

177 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

test_machine 2010-08-17

打赏
举报

回复

执行时间长的-----》数据量大的，并行化的目的是为了充分利用CPU资源，且快速完成任务

ndt_omp是一个面向点云配准的高性能NDT算法库，通过OpenMP多线程并行化和SSE指令集向量化优化，实现相较原始PCL NDT高达10倍的性能提升。核心优化包括并行循环分解、线程局部存储、Eigen驱动的矩阵向量化计算、内存对齐与预取，支持KDTREE/DIRECT等多种邻居搜索策略，适用于自动驾驶定位、机器人SLAM、三维重建等实时场景。

本文系统剖析分裂层次聚类（Divisive Hierarchical Clustering）的原理与实践，涵盖自顶向下分裂策略、簇内离散度（SSE）与轮廓系数联合评估、PCA/K-means二分法对比及动态终止条件设计；重点介绍距离计算优化、多进程并行化改造与内存受限下的批次/采样/HDF5缓存策略；并通过电商用户行为分析案例，验证其在特征工程、层次可解释性与业务落地中的优势。

本文探讨了现有机器人控制器的问题，并提出设计开放式结构的模块化、标准化控制器方案。通过MATLAB建立简单易用的开放式控制器，实现对机器人运动状态的预先观察与调整，缩短开发周期并降低成本。文章还讨论了串行及并行处理结构的优缺点，以及如何通过算法并行化提升计算速度。

本文深入探讨Greenplum如何从PostgreSQL发展为分布式MPP数据库，包括集群化概述、分布式数据存储和查询计划并行化。Greenplum基于PostgreSQL，通过数据分布、查询优化和执行并行化提升性能，支持多种分布式存储策略，如哈希分布、随机分布和复制表。同时，Greenplum实现查询计划并行化，利用Motion算子处理数据在不同节点间的传输，以充分发挥集群优势。

本文深入探讨了Greenplum数据库的分布式内核，包括数据存储分布、查询计划并行化、执行并行化等方面。Greenplum基于PostgreSQL，通过哈希分布、随机分布和复制表策略实现数据的高效存储。在查询优化方面，文章介绍了如何通过Motion算子实现数据在不同节点间的传输，并通过两阶段聚集等技术提升性能。此外，还讨论了如何处理多个子查询间的并行化，以生成最终的并行查询计划。

英特尔边缘计算技术

568

社区成员

7,024

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章