Leistungsbewertung der Erzeugung paralleler Flächen
Vergleichende Bewertung der Leistungsfähigkeit von Multicore-Systemen zur parallelen Flächengenerierung aus Lidar-Punktwolken
Versandkostenfrei!
Versandfertig in 6-10 Tagen
79,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
In dieser quantitativen Studie wird die Leistung von Algorithmen zur parallelen Oberflächenmodellierung auf realen/physikalischen und virtuellen/Cloud-Mehrkernsystemen/Maschinen bewertet; diese Arten von parallelen Rechensystemen sind im Allgemeinen nicht ausreichend ausgelastet und werden für diese Anwendung im Besonderen kaum genutzt. Es wurden Experimente auf diesen Maschinen/Systemen durchgeführt und Leistungskennzahlen, einschließlich Ausführungszeit, Beschleunigung und Effizienz, für verschiedene Algorithmen ermittelt, die verschiedene Parallelisierungsstrategien der inkrementellen...
In dieser quantitativen Studie wird die Leistung von Algorithmen zur parallelen Oberflächenmodellierung auf realen/physikalischen und virtuellen/Cloud-Mehrkernsystemen/Maschinen bewertet; diese Arten von parallelen Rechensystemen sind im Allgemeinen nicht ausreichend ausgelastet und werden für diese Anwendung im Besonderen kaum genutzt. Es wurden Experimente auf diesen Maschinen/Systemen durchgeführt und Leistungskennzahlen, einschließlich Ausführungszeit, Beschleunigung und Effizienz, für verschiedene Algorithmen ermittelt, die verschiedene Parallelisierungsstrategien der inkrementellen Einfügungstechnik des Delaunay-Triangulationsalgorithmus implementieren. Der t-Test wurde auch eingesetzt, um festzustellen, ob die Unterschiede zwischen der Leistung dieser Algorithmen (in Bezug auf die oben genannten Leistungsmetriken) auf realen und virtuellen "Versionen" dieser Systeme sowie bei verschiedenen Durchläufen der Algorithmen auf beiden Versionen der Maschinen statistisch signifikant sind oder nicht. Die Ergebnisse zeigen, dass (1) das physische System bei der Ausführung der Programme für die verschiedenen Parallelisierungsstrategien etwa doppelt so schnell ist wie die Cloud-Maschine und (2) alle Parallelisierungsstrategien eine schlechte Skalierbarkeit aufweisen, wenn die Anzahl der verwendeten Threads/Kerne steigt.
Andere Kunden interessierten sich für
