Ανάπτυξη και αξιολόγηση παράλληλων αλγορίθμων ομαδοποίησης δεδομένων σε υβριδικό περιβάλλον OpenMP και MPI
Development and evaluation of parallel data clustering algorithms in hybrid OpenMP and MPI environment

Λέξεις-κλειδιά
Παράλληλος υπολογισμός ; Αλγόριθμοι ομαδοποίησης ; OpenMP ; MPI ; C/C++Περίληψη
Αντικείμενο της διπλωματικής εργασίας θα είναι ο σχεδιασμός, ανάπτυξη και αξιολόγηση, σε
παράλληλο περιβάλλον κοινής μνήμης, κατανεμημένης μνήμης, και υβριδικής μορφής (μαζικός
παράλληλος προγραμματισμός σε συνδυαστικό περιβάλλον κατανεμημένης-διαμοιραζόμενης
μνήμης), αποδοτικών αλγορίθμων το πρόβλημα της ομαδοποίησης δεδομένων (data clustering). Η
ανάπτυξη των αλγορίθμων που θα επιλεγούν θα γίνει σε γλώσσα C/C++ και η αξιολόγησή τους θα
γίνει σε κατάλληλο πραγματικό περιβάλλον. Θα αναπτυχθούν ενδεικτικά τόσο μεμονωμένες
υλοποιήσεις σε OpenMP ή/και MPI όσο και συνδυαστικές υλοποιήσεις, όπως π.χ. με χρήση
MPI+OpenMP ή/και με χρήση MPI+MPI Shared Memory, και θα εξαχθούν αντίστοιχες συγκριτικές
μετρήσεις και συμπεράσματα.
Περίληψη
The object of this thesis will be the design, development and evaluation, in a parallel environment of
shared memory, distributed memory, and hybrid form (massive parallel programming in a combined
environment of distributed-shared memory), of efficient algorithms for the problem of data clustering.
The development of the algorithms that will be selected will be done in C/C++ language and their
evaluation will be done in a suitable real environment. Individual implementations in OpenMP and/or
MPI as well as combined implementations will be developed indicatively, such as e.g. using
MPI+OpenMP and/or using MPI+MPI Shared Memory, and corresponding comparative
measurements and conclusions will be drawn.