基于matlab并行计算

并行计算（Parallel Computing）是指同时使用多种计算资源解决计算问题的过程，是提高计算机系统计算速度和处理能力的一种有效手段。它的基本思想是用多个处理器来协同求解同一问题，即将被求解的问题分解成若干个部分，各部分均由一个独立的处理机来并行计算。并行计算系统既可以是专门设计的、含有多个处理器的超级计算机，也可以是以某种方式互连的若干台的独立计算机构成的集群。通过并行计算集群完成数据的处理，再将处理的结果返回给用户。 Matlab 并行计算工具箱及MDCE介绍 并行计算工具箱（Parallel Computing Toolbox）可以在多处理器计算环境中使用 MATLAB 和 Simulink 解决计算、数据密集型问题。使用工具箱可以解决通过装配多个处理器包含几个单独工作单位或单个大型计算的问题。这些处理器可以驻留在一个多处理器计算机上，或者，当工具箱配合MATLAB 分布式计算引擎（MATLAB Distributed Computing Engine(Server)，简称MDCE）时，驻留在计算机集群上。 Matlab并行计算是指针对不同的计算平台（单机或集群），运用不同的计算工具箱。 （1）用于单机多核（最多4核）环境的并行计算工具箱（Parallel Computing Toolbox）。 （2）在集群环境中实现并行计算的分布式计算服务器（Matlab Distributed Computing sever）来实现并行计算。

mic与gpu对比

mic与gpu对比,GPGPU与MIC定位相似，两者都是相对于CPU具有较高性价比的高性能解决方案，甚至连外形都是一样使用PCI-E插槽的板卡。但对于“核”这个概念来说，两者却有很大的不同。GPGPU中所说的核，以CUDA为例，是指一个SP（即流处理器），SP的功能只有计算，以NVIDIA的Fermi GPU为例，32个SP组成一个SM（流处理器群），一个SM 才有两个控制单元。也就是说每16个GPU的“核”，必须执行同一条指令。而MIC得设计思路与GPGPU完全不同。MIC的每个“核”，可以简单看作一个X86核心，也就是与现有PC机或小型服务器上的CPU核心相同的核。因此MIC编程可以最大限度地沿袭已有CPU上的并行程序，甚至可以一定程度上认为MIC上的每个“核”都是独立的节点，亦即将MIC作为一个超小型的集群。MIC的“核”虽然是x86架构，虽然单核的功能比GPGPU的核强大不少，但要指望单兵作战接近主流CPU，暂时还是不现实的。MIC依靠和GPGPU一样，靠人海战术。说起“人数”，GPGPU动辄上百核，MIC只有几十核，几十单核性能再强，在并行应用中也掀不起多少浪花。由于MIC的核心是Intel的CPU，核心数即使上不去了，Intel处理器可以超线程。在MIC上，每个核心能同时并发执行4个线程，而且这4个线程被Intel成为“硬件线程”，其性能大幅提升，几乎可以把每个线程看作真正的核心。因此，MIC“执行核”的数量，核GPGPU实际差不多。 另外，MIC采用了SMP结构，以一致性共享缓存为中心，这种设计使得MIC可以使用传统CPU的编程模型，而不需要针对性的硬件，设计新的程序结构。 MIC对现有程序改动之小还体现在编程简易性和工具方面。编程简易性上，MIC常用的offload模式只需要加上少数几条编译指导语句，就可以使程序利用MIC进行运算，而此时的程序源代码，是可以与传统的CPU程序共用的，减少了维护成本。

随机过程ppt

随机过程ppt，张卓奎、陈慧婵版，大家可以下载学习.

深度优先搜索

深度优先搜索解决迷宫问题，flash动画演示，数据结构课件

约瑟夫环动画

约瑟夫环动画，数据结构课件，动画演示，让学生理解约瑟夫环的原理

mcnp5学习指南

mcnp5初学者指南，大家有兴趣的可以下载看一下

mic程序试例

一个间的的mic程序,大家可以下载看一下