MPI 和OPENMP 混合编程 实现矩阵LU分解
来源:互联网 发布:桥梁三维设计软件 编辑:程序博客网 时间:2024/05/29 03:15
LU分解 将系数矩阵A转变成等价两个矩阵L和U的乘积 ,其中L和U分别是下三角和上三角矩阵。当A的所有顺序主子式都不为0时,矩阵A可以分解为A=LU,且分解唯一。其中L是单位下三角矩阵,U是上三角矩阵。
方法:
使用openMP和MPI混合编程现实
代码如下:
#include "stdio.h"#include "stdlib.h"#include "mpi.h"#include "omp.h"/***************MPI openMP 混合实现LU分解*******************//************ Yingfeng Chen ******************************//********************************************************/#define a(x,y) a[x*M+y]/*A为M*M矩阵*/#define A(x,y) A[x*M+y]#define l(x,y) l[x*M+y]#define u(x,y) u[x*M+y]#define floatsize sizeof(float)#define intsize sizeof(int)int M,N;int m;float *A;int my_rank;int p;MPI_Status status;void fatal(char *message){ printf("%s\n",message); exit(1);}void Environment_Finalize(float *a,float *f){ free(a); free(f);}int main(int argc, char **argv){ int i,j,k,my_rank,group_size; int i1,i2; int v,w; float *a,*f,*l,*u; FILE *fdA; MPI_Init(&argc,&argv); MPI_Comm_size(MPI_COMM_WORLD,&group_size); MPI_Comm_rank(MPI_COMM_WORLD,&my_rank); p=group_size; if (my_rank==0) { fdA=fopen("dataIn.txt","r"); fscanf(fdA,"%d %d", &M, &N); if(M != N) { puts("The input is error!"); exit(0); } A=(float *)malloc(floatsize*M*M); for(i = 0; i < M; i ++) for(j = 0; j < M; j ++) fscanf(fdA, "%f", A+i*M+j); fclose(fdA); } /*0号进程将M广播给所有进程*/ MPI_Bcast(&M,1,MPI_INT,0,MPI_COMM_WORLD); m=M/p; if (M%p!=0) m++; /*分配至各进程的子矩阵大小为m*M*/ a=(float*)malloc(floatsize*m*M); /*各进程为主行元素建立发送和接收缓冲区*/ f=(float*)malloc(floatsize*M); /*0号进程为l和u矩阵分配内存,以分离出经过变换后的A矩阵中的l和u矩阵*/ if (my_rank==0) { l=(float*)malloc(floatsize*M*M); u=(float*)malloc(floatsize*M*M); } /*0号进程采用行交叉划分将矩阵A划分为大小m*M的p块子矩阵,依次发送给1至p-1号进程*/ if (a==NULL) fatal("allocate error\n"); if (my_rank==0) { for(i=0;i<m;i++) for(j=0;j<M;j++) a(i,j)=A((i*p),j); for(i=0;i<M;i++) if ((i%p)!=0) { i1=i%p; i2=i/p+1; MPI_Send(&A(i,0),M,MPI_FLOAT,i1,i2,MPI_COMM_WORLD); } } else { for(i=0;i<m;i++) MPI_Recv(&a(i,0),M,MPI_FLOAT,0,i+1,MPI_COMM_WORLD,&status); } for(i=0;i<m;i++) for(j=0;j<p;j++) { /*j号进程负责广播主行元素*/ if (my_rank==j) { v=i*p+j; for (k=v;k<M;k++) f[k]=a(i,k); MPI_Bcast(f,M,MPI_FLOAT,my_rank,MPI_COMM_WORLD); } else { v=i*p+j; MPI_Bcast(f,M,MPI_FLOAT,j,MPI_COMM_WORLD); } /*编号小于my_rank的进程(包括my_rank本身)利用主行对其第i+1,…,m-1行数据做行变换*/ /*********MPI 并行优化 ********/ if (my_rank<=j) { #pragma omp parallel shared(a,f,k,v,m) private(k,w) { #pragma omp for for(k=i+1;k<m;k++) { a(k,v)=a(k,v)/f[v]; } for(k=i+1;k<m;k++) { #pragma omp for for(w=v+1;w<M;w++) a(k,w)=a(k,w)-f[w]*a(k,v); } } } /*编号大于my_rank的进程利用主行对其第i,…,m-1行数据做行变换*/ if (my_rank>j) { #pragma omp parallel shared(a,f,k,v,m) private(k,w) { #pragma omp for for(k=i;k<m;k++) { a(k,v)=a(k,v)/f[v]; } for(k=i;k<m;k++) { #pragma omp for for(w=v+1;w<M;w++) a(k,w)=a(k,w)-f[w]*a(k,v); } } } } /*0号进程从其余各进程中接收子矩阵a,得到经过变换的矩阵A*/ if (my_rank==0) { for(i=0;i<m;i++) for(j=0;j<M;j++) A(i*p,j)=a(i,j); } if (my_rank!=0) { for(i=0;i<m;i++) MPI_Send(&a(i,0),M,MPI_FLOAT,0,i,MPI_COMM_WORLD); } else { for(i=1;i<p;i++) for(j=0;j<m;j++) { MPI_Recv(&a(j,0),M,MPI_FLOAT,i,j,MPI_COMM_WORLD,&status); for(k=0;k<M;k++) A((j*p+i),k)=a(j,k); } } if (my_rank==0) { omp_set_num_threads(M); #pragma omp parallel shared(l,u,A,M) private(i,j) { #pragma omp for for(i=0;i<M;i++) { #pragma omp for for(j=0;j<M;j++) { if(i>j) { l(i,j)=A(i,j); u(i,j)=0.0; } else if(i<j) { u(i,j)=A(i,j); l(i,j)=0.0; } else { u(i,j)=0.0; l(i,j)=1.0; } } } } for(i=0;i<M;i++) for(j=0;j<M;j++) { if (i>j) l(i,j)=A(i,j); else u(i,j)=A(i,j); } printf("Input of file \"dataIn.txt\"\n"); printf("%d\t %d\n",M, N); for(i=0;i<M;i++) { for(j=0;j<N;j++) printf("%f\t",A(i,j)); printf("\n"); } printf("\nOutput of LU operation\n"); printf("Matrix L:\n"); for(i=0;i<M;i++) { for(j=0;j<M;j++) printf("%f\t",l(i,j)); printf("\n"); } printf("Matrix U:\n"); for(i=0;i<M;i++) { for(j=0;j<M;j++) printf("%f\t",u(i,j)); printf("\n"); } } MPI_Finalize(); Environment_Finalize(a,f); return(0);}编译命令:mpicc -cc=omcc -o 执行文件 源文件
执行命令:mpirun -np 节点数 ./执行文件
- MPI 和OPENMP 混合编程 实现矩阵LU分解
- matlab实现矩阵LU分解
- OpenMP: OpenMP和MPI是并行编程
- 矩阵LU分解分块算法实现
- Spark上矩阵运算库(七)--LU矩阵分解实现和Spark 1.1的SVD剖析
- 矩阵之LU分解
- 矩阵LU的分解
- 矩阵因式分解(LU矩阵分解)与GSL实现
- OpenMP和MPI是并行编程
- 矩阵分解 三角分解(LU分解)
- Matlab实现——求矩阵的逆(LU分解)
- OpenCV中LU分解实现矩阵求逆invert(DECOMP_LU)
- 矩阵的LU分解求解线性方程组(C++实现)
- OpenMP: OpenMP和MPI比较
- LU分解(matlab实现)
- LU分解的实现
- LU分解 python实现
- LU分解的矩阵逆运算
- 黑马程序员---String 类
- regulator
- 图片点击触发显示
- JS关闭当前网页
- Cleaning up the system – 11i and R12
- MPI 和OPENMP 混合编程 实现矩阵LU分解
- 做一个有思想的工程师
- apche 安装
- Installing TORQUE
- ios 推送消息 php做推送服务端(转载于http://zxs19861202.iteye.com/blog/1532460)
- 黑马程序员---包装类
- vs2012 MSDN帮助文档离线包 下载安装方法
- 面试题-yahoo
- 韩信点兵---数论趣题