دانلود کتاب Parallel Scientific Computing and Optimization: Advances and Applications (Springer Optimization and Its Applications) (به فارسی: محاسبات علمی موازی و بهینه سازی: پیشرفت ها و کاربردها (بهینه سازی اسپرینگر و کاربردهای آن)) نوشته شده توسط «Raimondas Ciegis – David Henty – Bo Kågström – Julius Zilinskas»
اطلاعات کتاب محاسبات علمی موازی و بهینه سازی: پیشرفت ها و کاربردها (بهینه سازی اسپرینگر و کاربردهای آن)
موضوع اصلی: سازمان و پردازش داده ها
نوع: کتاب الکترونیکی
ناشر: Springer
نویسنده: Raimondas Ciegis – David Henty – Bo Kågström – Julius Zilinskas
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2008
تعداد صفحه: 288
حجم کتاب: 4 مگابایت
کد کتاب: 0387097066 , 9780387097060 , 9780387097077
نوبت چاپ: 1
توضیحات کتاب محاسبات علمی موازی و بهینه سازی: پیشرفت ها و کاربردها (بهینه سازی اسپرینگر و کاربردهای آن)
این کار پیشرفت‌های جدیدی را در ساخت، تحلیل و پیاده‌سازی الگوریتم‌های محاسباتی موازی معرفی می‌کند. این کتاب 23 فصل مستقل شامل نظرسنجی را ارائه می دهد که توسط محققان برجسته در زمینه محاسبات موازی نوشته شده است. هر فصل به برخی از جنبه‌های موضوع اختصاص دارد: الگوریتم‌های موازی برای محاسبات ماتریسی، بهینه‌سازی موازی، مدیریت مدل‌ها و داده‌های برنامه‌نویسی موازی، با بیشترین تمرکز بر محاسبات علمی موازی در کاربردهای صنعتی.
ویژگی‌های کلیدی عبارتند از : ساخت و تجزیه و تحلیل الگوریتم های موازی برای جبر خطی و مسائل بهینه سازی. جنبه های مختلف معماری های موازی، از جمله رایانه های حافظه توزیع شده با پردازنده های چند هسته ای. طیف گسترده ای از کاربردهای صنعتی: شبیه سازی موازی جریان از طریق فیلترهای روغن و همچنین در محیط های متخلخل و گاز، آیرودینامیک جت، هدایت گرما در کابل های الکتریکی، فرآیندهای نوری غیرخطی در لیزرهای مخروطی، و دینامیک مولکولی و سلولی.
This work introduces new developments in the construction, analysis, and implementation of parallel computing algorithms. This book presents 23 self-contained chapters, including surveys, written by distinguished researchers in the field of parallel computing. Each chapter is devoted to some aspects of the subject: parallel algorithms for matrix computations, parallel optimization, management of parallel programming models and data, with the largest focus on parallel scientific computing in industrial applications.
Key features include: construction and analysis of parallel algorithms for linear algebra and optimization problems; different aspects of parallel architectures, including distributed memory computers with multicore processors; a wide range of industrial applications: parallel simulation of flows through oil filters as well as in porous and gas media, jet aerodynamics, heat conduction in electrical cables, nonlinear optics processes in tapered lasers, and molecular and cell dynamics.
