• 语料库ID:229927

VieM v1.00-维也纳地图和稀疏二次分配用户指南

@第{Schulz2017VieMV条,title={VieM v1.00-维也纳映射和稀疏二次分配用户指南},author={Christian Schulz和Jesper Larsson Tr{\“a}ff},日志={ArXiv},年份={2017年},体积={abs/1703.05509},网址={https://api.semanticscholar.org/CorpusID:229927}}
本文作为映射框架VieM(Vienna mapping and Sparse Quadratic Assignment)的用户指南,描述了用户界面以及所使用的文件格式。

本文中的数字

询问这篇论文
AI供电

更好的流程映射和稀疏二次分配

这项工作将通信和拓扑感知进程映射问题作为一个二次分配问题(QAP)来解决,并提出了构建进程到处理器的初始映射的算法和进一步改进映射的快速局部搜索算法。

KaHIP v0.53-Karlsruhe高质量分区-用户指南

本文作为图形划分框架KaHIP(Karlsruhe High Quality partitioning)的用户指南。我们粗略概述了框架中使用的技术,并描述了

更好的过程映射和稀疏二次分配

这项工作将通信和拓扑感知进程映射问题作为一个二次分配问题(QAP)来解决,并提出了构建进程到处理器的初始映射的算法和进一步改进映射的快速局部搜索算法。

不规则稀疏矩阵的并行矩阵向量乘法分解

稀疏矩阵的实验结果证实了所提出的超图模型的有效性和多层次超图划分方法的适当性。

局部思考,全局行动:高度平衡的图形划分

一种新的图分区局部改进方案,允许强制执行严格的平衡约束,并能够改进或再现Walshaw基准测试中报告的许多最著名的完全平衡分区结果。

P-完全近似问题

对于旅行售货员、循环覆盖、0-1整数规划、多商品网络流、二次分配等P-完全问题,证明了近似问题是

一种快速高质量的不规则图的多级划分方案

本文提出了一种新的粗化启发式算法(称为重边启发式算法),其粗图分区的大小在多级细化后得到的最终分区大小的一小部分内,并提出了一个在解冻过程中用于细化的Kernighan-Lin(KL)算法的更快变体。

高性能科学仿真的图形分割

本章概述了用于高性能并行计算机上科学仿真的图划分算法,以及用于自适应和动态仿真的图分割的最新发展,以及为此类仿真开发的划分算法。

图聚类和划分的基准测试

使用社会网络分析进行欺诈检测,图聚类和划分的案例研究基准David a.Bader1、Henning Meyerhenke2、Peter Sanders2、Christian Schulz2、Andrea Kappes2、,