Главная / Теория и практика параллельных вычислений

Теория и практика параллельных вычислений - ответы на тесты Интуит

Учебное пособие содержит материал, для работы в области параллельного программирования.

Список вопросов:

# В чем состоят необходимые условия для возможности организации параллельных вычислений:
# Режим разделения времени:
# Распределенные вычислительные системы:
# Какую компьютерную систему можно отнести к суперкомпьютерам:
# К числу суперкомпьютеров относятся:
# Суперкомпьютеры:
# Под кластером обычно понимается:
# К основным преимуществам кластерных вычислительных систем относится:
# Кластерные вычислительные системы:
# В основе классификации вычислительных систем в систематике Флинна используются:
# Под мультипроцессором понимается:
# Под мультикомпьютером понимается:
# Типовые топологии сети передачи данных определяются:
# Среди рассмотренных в лекции типовых топологий приведены:
# К числу характеристик топологии сети передачи данных относятся:
# Какая из приведенных в лекции топологий (при одинаковом количестве процессоров) обладает наименьшим диаметром:
# Какая из приведенных в лекции топологий (при одинаковом количестве процессоров) обладает наибольшей связностью:
# Какая из приведенных в лекции топологий (при одинаковом количестве процессоров) обладает наименьшей стоимостью:
# Граф это:
# Взвешенный граф это:
# Матрица смежности это:
# Задача поиска всех кратчайших путей обычно формулируется как:
# Сложность последовательного алгоритма Флойда имеет порядок:
# Показатели ускорения и эффективности параллельного алгоритма Флойда имеют вид (без учета затрат на передачу данных):
# Число итераций параллельного алгоритма Флойда равно:
# Один из возможных способов агрегации вычислений для увеличения эффективности параллельного алгоритма Флойда состоит:
# При горизонтальном разбиении матрицы исходных данных на каждой итерации алгоритма Флойда потребуется передавать между подзадачами:
# Охватывающим деревом (или остовом) неориентированного графа называется:
# Минимально охватывающим деревом называется:
# Задача нахождения МОД формулируется как:
# Количество выполняемых операций при определении номера ближайшей вершины до охватывающего дерева и корректировке расстояний после расширения МОД ограничивается сверху величиной:
# Показатели ускорения и эффективности параллельного алгоритма Прима имеют вид (без учета затрат на передачу данных):
# Трудоемкость нахождения МОД характеризуется:
# Задача оптимального разделения графа состоит в разбиении вершин графа на непересекающиеся подмножества:
# Равновесность подмножеств вершин в задаче оптимального разделения графа:
# Задача разделения вычислительной сети, на которую разбивается область обрабатываемых данных, между процессорами может быть сведена:
# Метод бинарного деления для решения задачи оптимального разделения графов заключается:
# Для разбиения графа на k частей в методе бинарного деления для решения задачи оптимального разделения графов необходимо:
# Для разбиения графа на k частей в методе бинарного деления для решения задачи оптимального разделения графов необходимо выполнить:
# Метод покоординатного разбиения для решения задачи оптимального разделения графов отличается от метода бинарного деления тем, что:
# На одном из этапов метода покоординатного разбиения для решения задачи оптимального разделения графов:
# Для определения угла поворота в рекурсивном инерционном методе деления пополам при решении задачи оптимального разделения графов, используется:
# Основное отличие комбинаторных алгоритмов от геометрических методов, применяемых для решения задачи оптимального разделения графов, заключается:
# В отличие от геометрических схем комбинаторные методы решения задачи оптимального разделения графов не принимают во внимание:
# Комбинаторные методы решения задачи оптимального разделения графов обычно обеспечивают:
# Какие способы распределения данных между процессорами вычислительной системы изложены в данной лекции?
# С какими проблемами сталкивается программист, разрабатывая параллельные программы для систем с общей памятью?
# При разработке параллельных алгоритмов решения дифференциальных уравнений в частных производных за основу выбирается разделение данных, потому что:
# При выполнении параллельного алгоритма, основанного на разделении данных на горизонтальные полосы, сбор данных полученных результатов выполняется при помощи:
# Как исключается неоднозначность вычислений в параллельном алгоритме метода сеток на системах с общей памятью?
# Каким образом обеспечивается балансировка вычислительной нагрузки процессоров для параллельных алгоритмов для систем с общей памятью,?
# Для параллельных алгоритмов для систем с общей памятью при проведении вычислительных экспериментов может наблюдаться сверхлинейное ускорение. Каковы возможные причины достижения этого эффекта?
# Какой способ наиболее эффективен при подсчете общей для всех процессоров погрешности вычислений, которые используются в параллельной реализации метода сеток на системах с распределенной памятью?
# Каковы причины значительного снижения полезной вычислительной нагрузки для процессоров при организации волновых вычислений в системах с распределенной памятью?
# За счет чего увеличивается число передач данных между процессорами при блочном представлении сетки области расчетов на системах с распределенной памятью?
# Какие проблемы параллельного программирования являются общими для систем с общей и распределенной памятью?
# Чем определяется эффективность параллельных вычислений?
# В чем состоит первая проблема, которую приходится решать при организации параллельных вычислений на системах с распределенной памяти?
# В рассматриваемой учебной задаче по решению задачи Дирихле при использовании разделенной памяти, какие возможны способы разделения данных?
# Какие механизмы передачи данных могут быть задействованы?
# Какие достоинства имеет синхронный механизм передачи сообщений?
# Какие достоинства и недостатки имеет асинхронный механизм передачи сообщений?
# Вычислительный эксперимент в системе ПараЛаб – это:
# Для постановки задачи в системе ПараЛаб необходимо выбрать:
# К числу параметров вычислительной системы в системе ПараЛаб относятся:
# В каком из режимов можно провести вычислительный эксперимент?
# Эксперименты в режиме имитации возможно проводить:
# При проведении серии экспериментов системой ПараЛаб может автоматически варьироваться:
# При построении графических зависимостей для экспериментов, проведенных в режиме имитации, используются:
# При построении графических зависимостей для экспериментов, проведенных в режиме удаленного доступа к параллельной вычислительной системы, используется:
# При анализе результатов проведенных экспериментов пользователю предоставляется возможность:
# Какие из перечисленных ниже классы задач поддерживает система имитационного моделирования ПараЛаб:
# Какие топологий сети не поддерживает система имитационного моделирования ПараЛаб:
# Какие режимы передачи данных поддерживает система имитационного моделирования ПараЛаб:
# На каких топологиях сети в системе ПараЛаб реализована быстрая сортировка:
# На каких топологиях сети в системе ПараЛаб реализованы алгоритмы перемножения матриц:
# На каких топологиях сети в системе ПараЛаб не реализованы алгоритмы обработки графов:
# В рамках системы ПараЛаб какие допускаются схемы выполнения вычислений при проведении экспериментов:
# В рамках системы ПараЛаб какие присутствуют средства для детального изучения и исследования параллельных алгоритмов решения сложных вычислительных задач:
# Помимо выполнения экспериментов в режиме имитации, в системе ПараЛаб предусмотрена возможность проведения реальных экспериментов в режиме удаленного доступа к вычислительному кластеру. Какие возможны операции после выполнения реальных параллельных вычислений:
# Модель вычислений – это:
# В модели вычислений вершинами графа являются:
# В модели вычислений дуги графа определяют:
# Ускорение параллельных вычислений – это:
# Эффективность параллельных вычислений – это:
# Стоимость вычислений - это:
# Каскадная схема используется для:
# В модифицированной каскадной схеме:
# При вычислении общей суммы последовательности числовых значений стоимостно-оптимальным алгоритмом является:
# Пусть есть задача вычисление суммы следующего вида . Пусть N = 8 и применяется каскадная схема, аналогичная схеме описанной в лекции для суммирования элементов вектора. Какая в этом случае минимально возможная высота дерева модели вычисления:
# Пусть есть задача вычисления произведения всех элементов вектора . Пусть N = 10 и применяется каскадная схема, аналогичная схеме описанной в лекции для суммирования элементов вектора. Какая в этом случае минимально возможная высота дерева модели вычисления:
# Пусть есть задача вычисление суммы следующего вида . Пусть N = 4 и применяется каскадная схема, аналогичная схеме описанной в лекции для суммирования элементов вектора. Какая в этом случае минимально возможная высота дерева модели вычисления:
# Пусть есть задача вычисления произведения всех элемента вектора . Пусть N = 6 и применяется каскадная схема с минимально возможной высотой дерева модели вычисления. Чему в этом случае равно ускорение при использовании неограниченного числа вычислительных элементов:
# Пусть есть задача вычисления суммы следующего вида . Пусть N = 8 и применяется каскадная схема с минимально возможной высотой дерева модели вычисления. Чему в этом случае равна эффективность при использовании восьми вычислительных элементов:
# Пусть есть задача вычисления суммы следующего вида . Пусть N = 6 и применяется каскадная схема с минимально возможной высотой дерева модели вычисления. Чему в этом случае равна стоимость вычислений при использовании восьми вычислительных элементов:
# Пусть в решаемой задаче последовательная часть составляет четыре единицы времени, а часть, допускающая линейное распараллеливание, шесть единицы времени. Если использовать закон Амдаля, сколько потребуется процессоров для достижения ускорения в два раза:
# Пусть в решаемой задаче последовательная часть составляет четыре единицы времени, а часть, допускающая линейное распараллеливание, шесть единицы времени. Если использовать закона Густавсона-Барсиса, сколько потребуется процессоров для достижения ускорения в два раза (результат округлите в большую сторону):
# Пусть в решаемой задаче последовательная часть составляет четыре единицы времени, а часть, допускающая линейное распараллеливание, шесть единицы времени. Если использовать закон Амдаля, какая достигается эффективность, если используются три вычислительных элемента:
# Алгоритмы маршрутизации определяют:
# В методах покоординатной маршрутизации поиск путей передачи данных осуществляется:
# Метод покоординатной маршрутизации в приложении к топологии типа гиперкуб состоит:
# Длительность времени передачи одного слова данных по одному каналу передачи данных определяется:
# Время начальной подготовки (tн) характеризует:
# Основной набор параметров, описывающих время передачи данных, состоит из следующего набора величин:
# При использовании метода передачи сообщений:
# В методе передачи пакетов:
# Метод передачи пакетов в большинстве случаев приводит к:
# Для рассылки от одного процессора всем остальным процессорам сети при использовании топологии типа гиперкуб достаточно (N=log2p):
# Задача редукции определяется в общем виде как:
# Циклический q-сдвиг, это операция, при которой:
# Уплотнение дуг это:
# Способы логического представления (отображения) топологий характеризуются следующими тремя основными характеристиками:
# Увеличение вершин:
# Двоичный код Грея используется для определения соответствия между:
# Соседние вершины в нумерации кода Грея имеют:
# Соседние вершины в кольцевой топологии отображаются кодом Грея:
# Для кластерных систем характерна:
# В модели Хокни используются параметры:
# Топология полный граф сети кластерной вычислительной системы может иметь ограничения на:
# Распределение подзадач между процессорами должно быть выполнено таким образом, чтобы:
# Масштабирование разрабатываемого параллельного алгоритма это процесс:
# Качество разрабатываемых параллельных методов определяется:
# Граф "подзадачи – сообщения" представляет собой:
# Рассмотрение графа "подзадачи – сообщения" концентрирует внимание на вопросах:
# Граф "процессы – каналы" используется:
# Канал передачи данных можно рассматривать как:
# Для снижения сложности моделирования и анализа параллельных методов операции передачи и приема данных считаются выполняющимися:
# Под процессом понимают:
# Выбор способа разделения вычислений на независимые части основывается:
# При выборе способа разделения вычислений при прочих равных условиях нужно отдавать предпочтение:
# Разработка параллельных алгоритмов включает в себя этапы:
# Для локальной схемы передачи данных характерно:
# При асинхронном способе взаимодействия участники взаимодействия:
# В статической схеме передачи данных:
# Управление распределением нагрузки для процессоров необходимо:
# Основным показателем успешности выполнения этапа распределения подзадач между процессорами является:
# Этап распределения подзадач между процессорами является избыточным, если:
# Для организации параллельных вычислений в вычислительных системах с распределенной памятью необходимо:
# Для распределения вычислений между процессорами в вычислительных системах с распределенной памятью необходимо:
# Минимально необходимый набор операций для организации информационного взаимодействия между процессорами в вычислительных системах с распределенной памятью включает в себя только:
# Под параллельной программой в рамках MPI понимается:
# Процессы параллельной программой в рамках MPI:
# Номер процесса в рамках MPI именуется:
# Среди предусмотренных в составе MPI операций передачи сообщений различают:
# Под коммуникатором в MPI понимается:
# Указание используемого коммуникатора является:
# Все данные для передачи в качестве сообщения MPI описываются с помощью триады:
# Процессы, между которыми выполняется передача данных:
# Завершение функции MPI_Send означает, что:
# Прием сообщения при помощи функции MPI_Recv может быть инициирован:
# Функция MPI_Recv:
# Прием сообщений при помощи функции MPI_Recv может быть осуществлен:
# В синхронном режиме передачи завершение функции отправки сообщения происходит:
# В буферизованном режиме функция отправки сообщения завершается:
# Режим передачи по готовности может быть использован только если:
# Применение неблокирующего способа выполнения обменов позволяет:
# Завершение вызова функции неблокирующего обмена приводит:
# Функция блокирующего ожидания завершения одного обмена в MPI называется:
# В коллективных операциях передачи данных обязаны принимать участие:
# Коллективные операции MPI:
# Под коллективными операциями в MPI понимаются:
# Операцию редукции данных MPI_Reduce можно описать:
# Обобщенная передача данных от всех процессов всем процессам может быть описана как:
# Операция широковещательной рассылки данных это:
# Производным типом данных в MPI называется:
# Сигнатурой производного типа в MPI именуется:
# Протяженность производного типа в MPI это:
# При векторном способе новый производный тип создается как:
# При индексном способе новый производный тип создается как:
# H-векторный и H-индексный способы создания данных отличаются от векторного и индексного способов тем, что:
# MPI поддерживает топологии вида:
# В декартовой топологии множество процессов представляется в виде:
# Топология типа тор в MPI является частным видом топологии типа:
# Какие способы распределения элементов матрицы между процессорами вычислительной системы изложены в данной лекции?
# Какие способы разделения элементов матрицы между процессорами вычислительной системы используются для разработки параллельных алгоритмов умножения матрицы на вектор?
# При разработке параллельных алгоритмов для матричных вычислений за основу выбирается разделение данных, потому что:
# При выполнении параллельного алгоритма, основанного на разделении матрицы на горизонтальные полосы, сбор данных результирующего вектора выполняется при помощи:
# Какая коммуникационная операция используется при выполнении параллельного алгоритма умножения матрицы на вектор, основанного на разделении матрицы на вертикальные полосы?
# Какая коммуникационная операция используется в параллельном алгоритме умножения матрицы на вектор, основанном на блочном разделении матрицы, для получения блоков результирующего вектора на процессорах, составляющих одну строку процессорной решетки?
# Для эффективного выполнения параллельного алгоритма умножения матрицы на вектор, основанного на блочном разделении матрицы, необходимо, чтобы процессоры вычислительной системы были объединены в топологию:
# Для эффективного выполнения параллельного алгоритма умножения матрицы на вектор, основанного на разделении матрицы на горизонтальные полосы, необходимо, чтобы процессоры вычислительной системы были объединены в топологию:
# Для эффективного выполнения параллельного алгоритма умножения матрицы на вектор, основанного на разделении матрицы на вертикальные полосы, необходимо, чтобы процессоры вычислительной системы были объединены в топологию:
# На основании результатов экспериментов, представленных в лекции, можно сказать, что наибольшее ускорение демонстрирует:
# С ростом числа процессоров, согласно теоретической оценке, наибольшее ускорение демонстрирует:
# Какие алгоритмы обладают наилучшими теоретическими показателями ускорения и эффективности (в случае, когда не учитываются затраты на передачу данных между процессорами):
# Рассмотрим задачу перемножения матрицы на вектор. Пусть размер перемножаемой матрицы 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети 60 Мбайт/сек. Элементы матрицы имеют тип double и занимают w = 8 байт. Если при распараллеливании использовать разделение матрицы на строки чему будет равно теоретическое ускорение при использовании 2 процессоров:
# Рассмотрим задачу перемножения матрицы на вектор. Пусть размер перемножаемой матрицы 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети 60 Мбайт/сек. Элементы матрицы имеют тип double и занимают w = 8 байт. Если при распараллеливании использовать разделение матрицы на строки чему будет равно ускорение при использовании 4 процессоров:
# Рассмотрим задачу перемножения матрицы на вектор. Пусть размер перемножаемой матрицы 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети 60 Мбайт/сек. Элементы матрицы имеют тип double и занимают w = 8 байт. Если при распараллеливании использовать разделение матрицы на строки, чему будет равна теоретическая стоимость при использовании 2 процессоров:
# Пусть перед программистом поставлена задача перемножения матрицы на вектор. Размер перемножаемой матрицы 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети 60 Мбайт/сек. Элементы матрицы имеют тип double и в системе занимают w = 8 байт. Если при распараллеливании использовать разделение матрицы на блоки (количество блоков по строкам и по строкам равно и равно , где p – количество процессоров), чему будет равно теоретическое ускорение при использовании 16 процессоров:
# Пусть перед программистом поставлена задача перемножения матрицы на вектор. Размер перемножаемой матрицы 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети 60 Мбайт/сек. Элементы матрицы имеют тип double и в системе занимают w = 8 байт. Если при распараллеливании использовать разделение матрицы на блоки (количество блоков по строкам и по строкам равно и равно , где p – количество процессоров), чему будет равно теоретическая эффективность при использовании 4 процессоров:
# Какие схемы разделения данных используются при разработке параллельных алгоритмов умножения матриц?
# Какая схема разделения данных используется при разработке параллельных алгоритмов Фокса и Кэннона?
# При разработке параллельного алгоритма умножения матриц, основанного на ленточной схеме разделения данных, может быть использован подход:
# При выполнении параллельного алгоритма, основанного на ленточной схеме разделения данных, основной коммуникационной операцией является:
# Какие коммуникационные операции используются при выполнении параллельного алгоритма Фокса?
# Какие коммуникационные операции используются при выполнении параллельного алгоритма Кэннона?
# Для эффективного выполнения алгоритма Фокса необходимо, чтобы процессоры вычислительной системы были организованы в топологию:
# Для эффективного выполнения параллельного алгоритма умножения матриц, основанного на ленточной схеме разделения данных, необходимо, чтобы процессоры вычислительной системы были организованы в топологию:
# Для эффективного выполнения алгоритма Кэннона необходимо, чтобы процессоры вычислительной системы были организованы в топологию:
# Из представленных в лекции алгоритмов, лучшей масштабируемостью обладает:
# С ростом числа процессоров, наибольшее ускорение демонстрируют:
# Какие алгоритмы обладают наилучшими теоретическими показателями ускорения и эффективности (в случае, когда не учитываются затраты на передачу данных между процессорами):
# Рассмотрим задачу перемножения матриц. Пусть размер перемножаемой матрицы 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы имеют тип double и занимают w = 8 байт. Если при распараллеливании использовать разделение матрицы на ленты, чему будет равно теоретическое ускорение при использовании 4 процессоров:
# Рассмотрим задачу перемножения матриц. Пусть размер перемножаемой матрицы 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы имеют тип double и занимают w = 8 байт. Если при распараллеливании использовать алгоритм Фокса, чему будет равно теоретическое ускорение при использовании 4 процессоров:
# Рассмотрим задачу перемножения матриц. Пусть размер перемножаемой матрицы 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы имеют тип double и в системе занимают w = 8 байт. Если при распараллеливании использовать алгоритм Кеннона, чему будет равно теоретическое ускорение при использовании 4 процессоров:
# Рассмотрим задачу перемножения матриц. Пусть размер перемножаемой матрицы 200x200. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы имеют тип double и занимают w = 8 байт. Если при распараллеливании использовать алгоритм Кеннона, чему будет равна теоретическая эффективность при использовании 4 процессоров:
# Рассмотрим задачу перемножения матриц. Пусть размер перемножаемой матрицы 200x200. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы имеют тип double и в системе занимают w = 8 байт. Если при распараллеливании использовать разделение матрицы на ленты, чему будет равна теоретическая эффективность при использовании 4 процессоров:
# Рассмотрим задачу перемножения матриц. Пусть размер перемножаемой матрицы 200x200. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы имеют тип double и занимают w = 8 байт. Если при распараллеливании использовать алгоритм Фокса, чему будет равна теоретическая эффективность при использовании 4 процессоров:
# Какая схема разделения данных используется при реализации параллельного алгоритма Гаусса?
# При реализации параллельного алгоритма Гаусса рекомендуется использовать ленточную циклическую схему разделения данных, потому что
# Какое расположение вектора правых частей и вектора неизвестных используется при реализации параллельного алгоритма Гаусса:
# При выполнении параллельного алгоритма Гаусса основными коммуникационными операциями являются:
# На каждой итерации прямого хода алгоритма Гаусса для нахождения ведущей строки используется
# На каждой итерации обратного хода метода Гаусса используется
# За основу организации параллельных вычислений при реализации метода сопряженных градиентов выбирается:
# При реализации параллельного алгоритма для метода сопряженных градиентов вычисления над векторами дублируются на всех процессорах для того, чтобы:
# За основу организации параллельных вычислений при реализации метода сопряженных градиентов выбирается параллельное выполнение операции умножения матрицы на вектор, потому что:
# Из представленных в лекции алгоритмов, лучшей масштабируемостью обладает:
# С ростом числа процессоров, наибольшее ускорение демонстрирует:
# Можно ли утверждать, что представленные в лекции алгоритмы обладают идеальными теоретическими показателями ускорения и эффективности (в случае, когда не учитываются затраты на передачу данных между процессорами):
# Рассмотрим задачу поиска решения системы линейных уравнений. Пусть размер матрицы системы линейных уравнений 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы системы линейных уравнений имеют тип double и занимают w = 8 байт. Если при распараллеливании алгоритма Гауса использовалось 4 процессора, то какое в этом случае достигается теоретическое ускорение:
# Рассмотрим задачу поиска решения системы линейных уравнений. Пусть размер матрицы системы линейных уравнений 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы системы линейных уравнений имеют тип double и занимают w = 8 байт. Если при распараллеливании алгоритма Гауса использовалось 4 процессора, то какая в этом случае достигается теоретическая эффективность:
# Рассмотрим задачу поиска решения системы линейных уравнений. Размер матрицы системы линейных уравнений 10x10. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы системы линейных уравнений имеют тип double и в системе занимают w = 8 байт. Если при распараллеливании алгоритма Гауса использовалось 4 процессора, то какая в этом случае достигается теоретическая стоимость параллельного алгоритма:
# Рассмотрим задачу поиска решения системы линейных уравнений. Пусть размер матрицы системы линейных уравнений 200x200. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы системы линейных уравнений имеют тип double и занимают w = 8 байт. Если при распараллеливании алгоритма сопряженных градиентов использовалось 4 процессора, то какая в этом случае достигается теоретическая эффективность:
# Рассмотрим задачу поиска решения системы линейных уравнений. Пусть размер матрицы системы линейных уравнений 20x20. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы системы линейных уравнений имеют тип double и занимают w = 8 байт. Если при распараллеливании алгоритма сопряженных градиентов использовалось 4 процессора, то какая в этом случае достигается теоретическая стоимость параллельного алгоритма:
# Рассмотрим задачу поиска решения системы линейных уравнений. Пусть размер матрицы системы линейных уравнений 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время нсек. Латентности сети нсек. Пропускная способность сети Mбайт/сек. Элементы матрицы системы линейных уравнений имеют тип double и занимают w = 8 байт. Если при распараллеливании алгоритма сопряженных градиентов использовалось 4 процессора, то какое в этом случае достигается теоретическое ускорение:
# Задача сортировки данных обычно формулируется как:
# Внутренняя сортировка это:
# Нижняя оценка необходимого количества операций для упорядочивания набора из n значений определяется выражением:
# Базовая операция "сравнить и переставить" состоит из:
# Базовая операция "сравнить и переставить" обычно используется в:
# Базовая операция "сравнить и разделить" отличается от операции "сравнить и переставить":
# Трудоемкость алгоритма пузырьковой сортировки оценивается выражением:
# Трудоемкость параллельного алгоритма чет-нечетной сортировки оценивается выражением:
# Общее число итераций параллельного алгоритма чет-нечетной сортировки при использовании p процессоров равно:
# Параллельный вариант алгоритма Шелла состоит в следующем:
# Основными отличиями параллельного алгоритма Шелла от метода чет-нечетной перестановки являются:
# Общее наименьшее количество итераций параллельного алгоритма Шелла равно:
# Алгоритм быстрой сортировки основан на:
# При надлежащем выборе ведущих элементов в алгоритме быстрой сортировки исходный массив данных оказывается упорядоченным после выполнения:
# В худшем случае трудоемкость быстрой сортировки оценивается выражением:
# При применении параллельных алгоритмов быстрой сортировки одним из основных моментов является:
# Оптимальная стратегия выбора ведущего элемента при применении параллельных алгоритмов быстрой сортировки состоит в выборе такого значения ведущего элемента, при котором:
# Три схемы распараллеливания алгоритма быстрой сортировки различаются:
# Для того чтобы выбрать ведущий элемент в параллельном алгоритме быстрой сортировки выполняются следующие действия:
# Один из этапов параллельного алгоритма быстрой сортировки состоит том, что:
# В результате выполнения одной итерации параллельного алгоритма быстрой сортировки исходное множество процессоров разделяется на:
# В обобщенном алгоритме быстрой сортировки в дополнение к обычному методу быстрой сортировки предлагается:
# При выполнении алгоритма обобщенной быстрой сортировки в качестве ведущего элемента обычно выбирается:
# Для поддержки упорядоченности в ходе выполнения алгоритма обобщенной быстрой сортировки процессоры должны выполнять: