图论在计算机科学、信息科学、人工智能网络理论、系统工程、控制论、运筹学和 经济管理等领域有着广泛的应用。但很多图论问题虽易表达,却难以求解,其中有相当多 的图论问题均属NP完全问题。本章主要介绍工程实用简单图论问题的并行算法及其MP 编程实现,包括传递闭包、连通分量、最短路径和最小生成树等

计算几何是计算机科学中的一个分支,是专门研究有关几何对象问题的。它在图像分 析、模式识别、计算机图形学等中应用甚广。本章主要介绍几个基本计算几何问题的简单 并行算法和它们的MPI编程实现,包括包含问题、相交问题和凸壳问题等

在求解线性方程组(System of Linear Equations)的算法中,有两类最基本的算法,一类 是直接法,即以消去为基础的解法。如果不考虑误差的影响,从理论上讲,它可以在固定 步数内求得方程组的准确解。另一类是迭代解法,它是一个逐步求得近似解的过程,这种 方法便于编制解题程序,但存在着迭代是否收敛及收敛速度快慢的问题

 分布式并行编程：编程方式的变革  MapReduce模型概述  Map和Reduce函数  MapReduce工作流程  并行计算的实现  实例分析：WordCount  新MapReduce框架Yarn

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率，提出基于\互为最小相似度文本对\搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法；其次，基于\互为最小相似度文本对\搜索选择二分簇中心，提出通过一次划分实现簇质心寻优的二分K-means聚类算法；最后，基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明：提出的聚类算法与原始二分K-means相比，在获得相当聚类效果的同时，具有明显效率优势；并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性

中国科学技术大学：《并行计算 Parallel Computing》课程教学资源（讲义）各章小结

中国科学技术大学：《并行计算 Parallel Computing》课程教学资源（试卷）并行分布式试卷（二）

中国科学技术大学：《并行计算 Parallel Computing》课程教学资源（讲义）例题讲解

中国科学技术大学：《并行计算 Parallel Computing》课程教学资源（习题）第十章 线性方程组的求解

中国科学技术大学：《并行计算 Parallel Computing》课程教学资源（习题）第十二章 并行程序设计基础