.png){kind=icon}
返回
Dynamic Load Balancing Based on Hypergraph Partitioning for Parallel Geospatial Cellular Automata Models
.png){kind=icon}
OA
AI
DOI：10.3390/ijgi14030109.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
并行计算技术已被应用于地理空间元胞自动机（CA）模型以提高计算效率，实现了在精细尺度下对土地利用和土地覆盖（LULC）变化的大规模复杂模拟。然而，在模拟过程中，计算强度的空间分布往往随着LULC的时空动态而变化，导致计算单元间负载不平衡加剧以及并行CA计算性能下降。本文提出了一种基于超图划分的多进程并行地理空间CA模型的动态负载平衡方法。在模拟过程中，根据计算工作负载的空间变化，通过超图划分动态重新分配子域至计算进程以恢复负载平衡。此外，提出了一种名为Migrated-SubCellspaces-First（MSCF）的新型机制，通过采用非阻塞通信技术来降低工作负载迁移成本，从而进一步提升计算性能。为验证和评估本方法的有效性，开发了一个具有基于超图的动态负载平衡的并行地理空间CA模型。使用加州数据集的实验表明，所提出的动态负载平衡方法在16个进程下相较于静态负载平衡的并行CA，实现了62.59%的计算性能提升。
Keyword:
parallel computing
dynamic load balancing
hypergraph partitioning
cellular automata
spatiotemporal dynamics
期刊
IF:
6
论文数:
830
被引数:
1.4K
机构
引用论文
.png){kind=icon}
分享收藏A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects未来土地利用模拟模型 (FLUS)，用于通过耦合人类和自然影响来模拟多种土地利用情景
PREAI
分享收藏分享收藏A heuristic cellular automata approach for modelling urban land-use change based on simulated annealing基于模拟退火的城市土地利用变化建模的启发式元胞自动机方法
PREAI
分享收藏
查看更多内容