Distributed solution of large markov models using asynchronous iterations and graph partitioning
Distributed solution of large markov models using asynchronous iterations and graph partitioning
复制标题
使用异步迭代和图分区的大型马尔可夫模型的分布式解决方案
DOI：
--
复制
发表时间：
2002
期刊：
影响因子：
--
通讯作者：
W. Knottenbelt
中科院分区：
文献类型：
--
作者：
N. Dingle;W. Knottenbelt
本文提出了一种求解大型马尔可夫模型稳态解的分布式方法。我们使用异步迭代，以尽量减少处理器的空闲时间和图形分区技术，以尽量减少处理器间的通信。我们证明了我们的方法的可扩展性，通过解决一个基准模型的商品PC和分布式内存并行计算机的网络上的一些大的状态空间大小。我们的方法的性能进行了对比与发表的结果为一个外的核心求解器。
We present a distributed approach for the steady state solution of large Markov models. We use asynchronous iterations to minimise processor idle time and graph partitioning techniques to minimise inter-processor communication. We demonstrate the scalability of our approach by solving a benchmark model for a number of large state space sizes on both a network of commodity PCs and a distributed memory parallel computer. The performance of our approach is contrasted with published results for an out-of-core solver.