并行算法研究现状及其相关问题综述
并行程序的编程模型、运行环境、调试环境等都要比串行程序复杂得多。提供良好的高性能计算开发环境，一直是学术界和工业界所追求的目标。这里的开发环境既包括并行计算机体系结构，计算机网络拓扑结构等硬件环境；也包括并行程序的开发模式，网络通信协议和通信方式等软件环境。并行算法研究要以硬件，即并行计算机为依托，并行计算机性能的发挥要依靠优秀并行算法的设计的实现。
所以本文，并行算法研究现状及其相关问题的综述，将对与并行紧密相关的并行计算机体系结构，并行程序开发环境，通信技术三个问题依次进行讨论。
一、并行计算机体系结构
“并行计算机是由一组处理单元组成的；这组处理单元通过相互之间的通信与协作，以更快的速度共同完成一项大规模的计算任务。”这就是并行计算机的经典定义。这个定义并没有包含更多的细节，但是从中我们也不难看出并行计算机的两个最主要的组成部分：计算节点和节点间的通信与协作机制。
并行计算机体系结构的发展变化非常快，而这种变化主要体现在计算节点性能的提高以及节点间通信技术的改进两方面。长期以来，超大规模集成电路技术一直在按照摩尔定律高速发展，芯片的元件密度以及时钟频率在不断提高，从而大大提高了作为并行计算机基本处理单元的微处理器的性能。而在通信技术方面，传统的交叉开关的切换速度不断提高，而新的高速网络技术也不断应用到并行计算机中，从而大大提高了节点间通信的速率。
（一）体系结构的分类
1972年，Micheal Flynn根据指令和数据流的概念对计算机的体系结构进行了分类，这就是所谓的Flynn分类法。
Flynn将计算机划分为四种基本类型，即SISD、MIMD、SIMD、MISD。
传统的顺序执行的计算机在同一时刻只能执行一条指令（即只有一个控制流）、处理一个数据（即只有一个数据流），因此被称为单指令流单数据流计算机（Single Instruction Single Data 即SISD计算机）。而对于大多数并行计算机而言，多个处理单元都是根据不同的控制流程执行不同的操作，处理不同的数据，因此，它们被称作是多指令流多数据流计算机，即MIMD （Multiple Instruction Multiple Data）计算机。
曾经在很长一段时间内成为超级并行计算机主流的向量计算机除了标量处理单元之外，最重要的是具有能进行向量计算的硬件单元。在执行向量操作时，一条指令可以同时对多个数据（组成一个向量）进行运算，这就是单指令流多数据流（Single Instruction Multiple Data，SIMD）的概念。因此，我们将向量计算机称SIMD计算机。
第四种类型即所谓的多指令流单数据流（Multiple Instruction Single Data）计算机。在这种计算机中，各个处理单元组成一个线性阵列，分别执行不同的指令流，而同一个数据流则顺次通过这个阵列中的各个处理单元。这种系统结构只适用于某些特定的算法。
相对而言，SIMD和MISD模型更适合于专用计算。在并行计算机中，MIMD模型最为通用，SIMD次之，而MISD最少用。
(二)体系结构的发展过程
并行计算机40年的发展过程中出现过许多著名的机器。
60年代初期，由于晶体管以及磁芯存储器的出现，处理单元变得越来越小，存储器也更加小巧和廉价。这些技术发展的结果导致了并行计算机的出现，并迎来了它的第一个黄金时代。
这一时期的并行计算机多是规模不大的共享存储多处理器系统，不过，当时它们可是被当作大型主机（Mainframe）来看待的。Burroughs B5000, D825以及IBM System 360是这一时期的典型代表。其中，IBM System 360在过渡到370系列时引入了多处理机的概念，而CDC 6600则在中央处理器与多个I/O处理器之间采用了异步共享存储器的机制。与这些机器有所不同的是，RW400则是最早采用消息传递机制的大型主机。
到了60年代末期，同一个处理器开始设置多个功能相同的功能单元，流水线技术也出现了。与单纯提高时钟频率相比，这些并行特性在处理器内部的应用大大提高了并行计算机系统的性能。
伊利诺依大学和Burroughs公司此时开始了一项庞大的工程，即Illiac IV 计划。他们认为，当时已有的技术已经走到尽头了，因此决定另辟蹊径。根据这一规划，Illiac IV 应该是一台64个CPU的SIMD主机系统，它涉及到从最底层的硬件技术、体系结构、I/O设备、操作系统、程序设计语言直至应用程序在内的众多研究课题。不过，当一台规模大大缩小了的16 CPU系统终于在1975年露出了它的庐山真面目的时候，整个计算机界已经发生了巨大的变化。
首先是存储系统概念的彻底革新。虚拟存储和缓存这两个概念现在已经应用在了几乎所有的计算机系统里，但在70年代初期，它们却带来一场真正的革命。IBM 360/85系统与360/91是属于同一系列的两个机型，360/91的主频高于360/85，所选用的内存速度也较快，并且采用了动态调度的指令流水线；但是，360/85的整体性能却高于360/91，唯一的原因就是前者采用了缓存技术，而后者则没有。
其次是半导体存储器开始代替磁芯存储器。最初，半导体存储器只是在某些机器中被用作缓存，而CDC 7600则率先全面采用这种体积更小、速度更快、可以直接寻址的半导体存储器，磁芯存储器从此退出了历史舞台。与此同时，集成电路也出现了，并迅速应用到了计算机中。元器件技术的这两大革命性突破，使得Illiac IV的设计者们在底层硬件以及并行体系结构方面提出的种种改进都大为逊色。
Illiac IV原本是想解决数值计算中向量运算密集的问题的，不过，这个任务却是由这一时期诞生的最早的向量流水线计算机CDC STAR 100完成的。而到了1976年CRAY 1问世以后，一个长达15年的新时代开始了，向量计算机从此牢牢地控制着整个高性能计算机市场。CRAY 1对所使用的逻辑电路进行了精心的设计，采用了我们如今称为RISC的精简指令集，还引入了向量寄存器，以完成向量运算。这一系列全新技术手段的使用，使CRAY 1的主频达到了令时人不可思议的80 MHz。
微处理器的出现则使并行计算机的体系结构迈出了另一大步。最早的微处理器性能并不是很理想，但是随着机器的字长从4位、8位、16位一直增加到32位，其性能也随之显著提高。正是因为看到了微处理器的这种潜力，卡内基梅隆大学开始在当时流行的DEC PDP 11小型计算机的基础上进行共享存储多处理器系统的研究。C.mmp就是这一研究项目的具体成果。它是一台由16个PDP 11/40处理机通过交叉开关与16个共享存储器模块相连接而成的。从80年代开始，微处理器技术一直在高速前进。稍后又出现了非常适合于SMP方式的总线协议，而伯克利加州大学则对总线协议进行了扩展，提出了Cache 一致性问题的处理方案。从此，C.mmp开创出的共享存储多处理器之路越走越宽；到了10年之后的今天，这种体系结构已经基本上统治了服务器和桌面工作站市场。
同一时期，基于消息传递机制的并行计算机也开始不断涌现。80年代中期，加州理工成功地将64个i8086/i087处理器通过超立方体互连结构连结起来。此后，便先后出现了Intel iPSC
系列、INMOS Transputer系列，Intel Paragon以及IBM SP的前身Vulcan等基于消息传递机制的并行计算机。
向量计算机渐渐衰落下去。数据并行方式的计算机在相对沉寂了一段时间之后，到了80年代中期又开始逐渐复兴。这一时期数据并行方式的计算机主要有Goodyear MPP，Thinking Machines的CM 1、CM 2以及MasPar等。在互连机制方面，这一代机器不仅仅限制在相邻的节点之间，而是可以根据需要在任意节点之间进行通信。CM 2则更是具备了大量的浮点单位并行（Bit parallel）运算单元。
80年代末到90年代初，共享存储器方式的大规模并行计算机又获得了新的发展。IBM公司在RP 3计划中希望能将大量早期RISC微处理器通过蝶形互连网络连结起来。而BBN公司则先后推出了两个型号的这类机器，即采用Motorola 68000芯片的BBN Butterfly以及采用88100芯片的TC2000。通过这些尝试，人们开始考虑如何才能在实现共享存储器缓存一致的同时，使系统具有一定的可扩展性（Scalability）。90年代初期，斯坦福大学提出了DASH 计划，它通过维护一个保存有每一缓存块位置信息的目录结构来实现分布式共享存储器的缓存一致性。后来，IEEE在此基础上提出了缓存一致性协议的标准。MIT的Alewife 计划则试图简化为保持缓存一致性而带来的硬件开销。
90年代以来，主要的几种体系结构开始走向融合，这种趋势有其内在的必然性。为了获得更好的性能，在Alewife以及FLASH等共享存储类型的项目中也引入了消息传递机制；而属于数据并行类型的CM 5除大量采用商品化的微处理器以外，也允许用户层的程序传递一些简单的消息；CRAY T3D是一台NUMA结构的共享存储型并行计算机，但是它也提供了全局同步机制、消息队列机制，并采取了一些减少消息传递延迟的技术；Meiko CS 2采用的是消息传递机制，但是，一个节点上用户程序虚地址空间内的数据却可以直接复制到另一个节点上另一个程序的虚地址空间里去，实际上这正是共享地址空间机制的特点。
不过IBM近年来大获成功的SP 1、SP 2系列机群系统走的则是另外一条路线。在这些系统中，各个节点采用的都是标准的商品化Unix工作站（RS 6000），它们之间通过高速网络连接起来。各节点内存系统之间没有多少联系，网络连接的可靠性也不高，面向的是通用的应用领域。因此，从总体上说，SP 1、SP 2基本上属于消息传递型系统。
目前的并行计算机系统主要有四类:第一类是多向量处理系统, 如Cray YMP 90、NEC SX 3 和Fujitsu VP 2000 等；第二类是基于共享存储的多处理机（SMP）系统,如SGI Power Challenge、曙光1号等；第三类是基于分布存储的大模并行处理(MPP)系统,如Intel Paragon、IBM SP2、曙光1000等；第四类是基于RISC 工作站或高档微机通过高速互连网络连接而构成的机群计算机系统，如清华同方探索集群计算机等。
展望
实现上述第一和第三类系统由于受研制费用高、售价高等因素的影响,其市场受到一定的限制。第二类系统由于共享结构的限制,系统的规模不可能很大。由于机群系统计算机具有投资风险小、可扩展性好、可继承现有软硬件资源和开发周期短、可编程性好等特点，目前已成为并行处理的热点和主流。据专家预测：“未来的高性能计算机和超级服务器都将基于机群系统结构”。
二、并行程序开发环境
目前比较流行的高性能计算系统，大体可以分为两类:一类是共享内存系统(SMP)，如IBM的P690，HP的SuperDome等，其特点是多个处理器拥有物理上共享的内存；一类是分布存储系统(DMP)，如MPP和集群系统，其特点是系统由多个物理上分布的结点组成，每个结点拥有自己的内存，结点通过高速以太网或专用高速网络连接。下面将介绍这两类系统上的开发工具。
（一）并行程序的开发模式
1. 共享内存模型
在共享内存模型中，一个并行程序由多个共享内存的并行任务组成，数据的交换通过隐含地使用共享数据来完成。此编程模式一般仅需指定可以并行执行的循环，而不需考虑计算与数据如何划分，以及如何进行任务间通信，编译器会自动完成上述功能。
由于分布式存储系统与集中式存储系统各有优缺点, 所以目前的趋势是将两者结合：系统含有上千个的处理器，虽然内存物理上分布于各个处理器上，但在逻辑上给用户提供统一的共享地址空间。这就是分布式共享存储系统(Distributed Shared Memory: DSM)[14]。简单的说，分布式共享存储系统就是在逻辑上给用户提供统一的共享地址空间，提供共享存储的编程模式，无须考虑在物理上各个存储模块是分布的。分布式共享存储系统以其方便的编程接口及良好的可扩展性而越来越受到学术界和工业界的极大关注，从而成为高性能计算机体系结构发展的主流。
分布式共享存储系统包括两类: 一类是由底层硬件实现的，具有统一的物理地址空间的系统。目前的共享存储型MPP机器多采用这种结构。另一类是由上层软件实现的，具有统一的虚拟地址空间的系统，这一类称为称为虚拟共享存储系统（Shared Virtual Memory：SVM）, 又称为软件分布式共享存储系统（Software DSM：SDSM）。其中有代表性的系统有Yale 大学的Ivy，Rice大学的TreadMarks，Munin，Maryland 大学的CVM，Carnegie Mellon 大学的Midway，中科院计算所高性能计算机研究中心的JIAJIA 系统。
一个简单的虚拟共享存储系统如图1所示。所有的处理机可以共享由虚拟共享存储系统提供的统一地址空间, 从程序员的角度来看，任何处理机可以访问整个地址空间的任何变量而无需考虑该变量位于哪个处理机上。每个处理机都有一个虚拟共享存储层，这个虚拟共享存储层不仅要负责本地存储器与虚拟共享地址空间的映射，而且还要在本机发生共享数据不命中时，到远地将所需数据取回，图1：一个简单的虚拟共享存储系统
并及时维护整个地址空间的一致性。
目前流行的共享内存模型开发标准是OpenMP。OpenMP定义了一套编译指导语句，用于指定程序的并行性、数据的共享/私有等信息。其目标是为SMP系统提供可移植、可扩展的开发接口。OpenMP由OpenMP Architecture Review Board于1997年推出，现在已发展到2.0版。OpenMP支持的编程语言包括Fortran、C和C++。
OpenMP得到了工业界的广泛支持，有大量的商业编译器和其他开发工具支持OpenMP的开发，如IBM、HP、Sun、SGI、Intel等硬件厂商均有支持OpenMP的编译器产品，另外还有一些第三方厂商的OpenMP编译器。
2. 消息传递模型
在消息传递模型中，一个并行程序由多个并行任务组成。每个并行任务拥有自己的数据并对其进行计算操作。任务之间数据的交换是通过显式的消息传递语句来完成的。
现在广泛使用的消息传递模型有两个：PVM和MPI。PVM即Parallel Virtual Machine(并行虚拟机)与MPI即Message Passing Interface(消息传递界面)。PVM与MPI所提供的功能大致相同，但两者的侧重点有所不同。PVM强调在异构环境下的可移植性和互操作性，程序之间可以互相通信，并支持动态的资源管理和一定程度的容错；而MPI更强调性能，不同的MPI 实现之间缺乏互操作性，本身也不支持容错（可以通过专门的容错软件来支持容错）。一般而言，使用MPI比较适合于开发MPP或同构集群上的并行应用，可以有较高的通信性能;而PVM更适合于异构的集群系统。
几乎所有的高性能计算系统都支持PVM和MPI。
3. HPF
HPF(High Performance Fortran)的思想与OpenMP类似，都是通过定义编译指导语句来帮助编译器生成并行代码。HPF的目标系统与OpenMP不同，它支持DMP系统。因此，除了指定
并行性的编译指导语句外，HPF还指定数据划分的编译指导语句。HPF与消息传递模型的不同之处则在于:HPF通过编译器来生成通信语句，不需要程序员手工编写。
HPF得到了工业界的广泛支持，如IBM、HP、Sun都有HPF编译器。第三方产品则有PGI的PGHPF、APR的Forge xHPF等。其不足是对于某些问题无法得到与手工编写的消息传递程序相同的性能。
4. 并行库
使用并行库开发高性能计算程序的基本思想是:用户不需要自己编写通用的并行算法代码，而由程序库提供并行算法，并对用户透明。用户只需要根据自己的需求，调用相应的库函数，就可以编写出并行程序。由于库函数的编写者一般经验丰富，而且库函数会采取较为优化的算法，并采用优化编译，使得库函数的执行效率很高。对于大量使用通用计算算法的用户来说，使用并行库是一种高效的开发模式。并行库的缺点是无法帮助那些需要自己书写非通用并行算法的用户。
目前的并行库很多，包括PBLAS(Parallel Basic Linear Algebra Subroutines)，以及建立在其基础上的LAPACK和ScaLAPACK，提供了一些线性代数问题的并行求解算法，如求特征值、最小二乘问题等。LAPACK是为SMP系统优化的，ScaLAPACK是为DMP系统优化的。大多数高性能计算系统都提供在本系统上优化的PBLAS、LAPACK、ScaLAPACK。
另一个著名的并行库是PETSc。PETSc是一套基于MPI的数据结构和库函数，用于解决基于偏微分方程的典型科学计算问题。另外，MATLAB是很常用的科学计算软件。很多公司和研究机构也在进行并行化MATLAB的工作，如RTExpress。
5. 串行程序并行化
另一种并行程序的开发模式是将串行程序并行化。此模式的优点在于，可以将现有的很多串行代码转换成并行代码。
并行化分为全自动并行化和交互式并行化两种模式。全自动并行化的并行过程不需要人的干预，可以自动发现程序中可并行的部分，生成并行代码。现在，高性能计算系统提供商的Fortran和C编译器大都能提供面向SMP系统的自动并行化的编译选项。对于少数程序，全自动并行化编译器可以达到较好的效果；但对大多数程序来说，并行化的效果还不理想。交互式并行化工具通过给用户提供程序中的有效信息，包括相关性分析结果、程序调用图、性能预测结果等帮助用户进行并行化工作，但是如何更好地结合用户和并行化工具的能力还需要进一步研究。目前产品化的交互式并行化工具主要有APR的Forge，该系统支持Fortran77的并行化，并同时支持SMP系统和DMP系统。
（二）开发工具
1. 调试器
调试是程序开发的重要部分，并行程序尤其难调试，更需要调试器的支持。高性能计算系统中大多会带有并行调试器，如IBM的pdb（命令行方式）、pedb（Xwindow图形界面）、HP 的DDE（XWindow图形界面）和LaDebug(用于Alpha系统)、Sun的Prism等。
Etnus的TotalView是最著名的第三方并行调试器。它提供对C、C++、Fortran程序的图形化符号调试，可以调试MPI、PVM、HPF、OpenMP程序，支持SGI、Sun、HP、IBM等几乎所有的高性能厂商的产品，还提供对Linux的支持。
KAI的Assure Thread Analyzer是一个支持OpenMP的程序正确性检测工具，用于自动发现程序中的常见错误。它目前仅支持IA32和IA64上的Linux。
2. 性能分析和预测
程序性能分析(profiling)可以帮助用户找到程序中最费时的部分，从而集中精力进行改进和优化，是改进程序性能的有效手段。传统的性能分析工具一般仅提供子程序级的性能分析，但对于高性能程序来说，对于循环程序的性能分析是必不可少的。现有的大部分高性能计算系
统中大都具有能够进行循环级性能分析的性能分析器，有些还提供了友好的用户界面，如Intel的VTune、IBM的Xprofiler等。
一些第三方厂商也提供性能分析工具，比如Pallas的Vampir，它支持从Linux PC到IBM、HP、Sun、SGI等几乎所有的高性能厂商的产品。
3.资源管理和负载平衡系统
严格地说，负载平衡系统是运行时环境，而不是开发环境，但对于开发者来说，了解负载平衡系统是有必要的。
负载平衡技术在编译阶段不需要知道程序在运行时的任何信息，相反，它主要依靠系统运行时各处理节点的信息做出相应的决策。负载平衡将任务以动态启发式的方式在处理节点间分布，以达到减小总的执行时间、最大化系统吞吐量或最大化系统利用率等为目标。负载平衡强调适量的信息在节点间的有效通信，主要分为静态(static)和自适应(adaptive)两大类。通常认为随机放置（Random）和节点轮询（Round Robin）策略属于典型的静态负载平衡。而自适应性负载平衡通过集中的或分布式的通信，使用一个或多个阈值（threshold），即在系统参数到达阈值前后使用不同的策略。
目前动态的负载平衡算法的主要缺点是运行时的通信开销较大，未来还将向着简单有效的方向发展，并通过层次化的信息交换方式与适量的人为控制进一步提高通信的效率。
某些高性能计算系统主要用于提供共享的多任务处理环境。对于SMP系统来说，操作系统内置的任务调度器可以完成任务的调度功能。对于DMP系统来说，需要专门的软件来进行任务调度，达到负载平衡。负载平衡系统通过了解系统中各个结点的负载状况、计算能力、内存状况等，可以合理地分配任务的执行结点，必要时迁移现有的任务到其他结点，从而达到提高系统吞吐量的作用。
著名的负载平衡系统包括Platform公司的LSF(Load Sharing Facility)和Veridian的PBS(Portable Batch System)。这两个系统都支持多种操作系统和硬件平台，能够管理异构的集群系统。另外开放源代码的OpenMosix主要支持Linux集群系统。
展望
OpenMP将成为支持SMP系统编程的主要标准，将来的工作在于研究和开发更加有效的OpenMP编译器，以及更加强大友好的开发、调试工具。MPI和PVM将仍然是DMP系统的主要标准。
并行库是很有前途的开发方式和研究方向，随着更多的并行程序库的出现，并行化编程会越来越容易。
串行程序并行化必须以某种软件环境作为依托。例如，HPF（Hign Performance Fortran）可以提供共享内存模式的并行程序；MPI、PVM、PVMe、MPL和NX 等消息传递库则提供消息传递模式的并行程序。编写共享内存模式的并行程序比较简单，用户的工作量比较小，但性能提高不大；消息传递模式的并行程序虽然编程考虑的问题比较多，相对比较麻烦，但只有这种方式才能将并行性能发挥到极致。程序自动并行化技术也能大大缩短并行程序的开发时间，但目前的技术即使对SMP系统也没有达到实用的水平，还需要技术上的突破。
网格计算是现在的热门话题，也是将来高性能计算的发展方向之一。为网格计算制定标准，提供所需的开发环境和运行环境将是未来的发展方向。
三、通信技术
最理想的情况下,高性能计算机的性能是所有节点计算性能的简单相加,实际上系统的整体性能根本达不到理想情况，主要原因是各节点之间存在通信时延。围绕减少通信时延，发展了独具特色的HPC通信技术。
高性能计算机往往采用多个处理节点。其根本思想就是将要完成的任务尽量分布到各个处理节点并发执行，在最理想的情况下高性能计算机的性能是所有节点计算性能的简单相加。但
是由于节点间存在着通信延时和各个节点间的同步关系，使得系统的整体性能通常达不到理想情况。比如在某些MPP上其持续速度只是峰值速度的3%～10%。
另一方面，随着单个工作站（或微机）的性价比越来越高以及商业宽带网络的高速发展，集群系统（Cluster）得到了广泛的应用。同时，高性能计算也逐步向着松耦合（loosely Coupled）和复杂化的方向发展。大量的SMP集群(CLUMPs)的出现，使得高性能计算机内部节点与节点间的通信瓶颈愈发明显。因此，解决高性能计算机的通信问题也就成为了一个研究的热点，包括减小通信延时、任务粒度划分、负载平衡和调度等。
（一）基本互联方式和通信协议
在高性能计算机内部，各个节点通过互联网络进行连接并通信，以实现协同工作。根据高性能计算机内部节点耦合方式的不同，节点与节点间的通信连接方式也不同：
紧耦合（Tightly Coupled）计算机,如SMP系统，各个节点通常以共享内存的方式完成互联通信操作。这种共享内存的联接方式允许单一节点获得较高的内存访问吞吐量，且易于编程。但是随着节点数目、节点间通信量的增加以及操作系统切换进程等额外开销的增加，共享内存将成为系统性能的瓶颈，例如一个双路SMP系统，单节点拥有足够的处理能力但却经常出现内存或I/O总线竞争的情况。为此，现在一些SMP系统除了共享内存总线外还增加一些专用的消息通路，以减少共享内存的竞争和增加节点间的通信能力。不过，这种紧耦合的通信方式仍然限制了整个计算机节点数目的规模，一般的SMP系统只采用2～4个节点且扩展性差。
松耦合（Loosely Coupled）计算机，如集群(Cluster)，其每个节点拥有自己的存储器，节点之间使用一些专用的或者通用的互联网络进行连接。它避免了共享内存所出现的资源竞争，有助于提高节点利用率，但节点间的互联网络速度较慢并有较大的通信延时。
目前一些商用集群的节点间连接通常使用快速以太网（Fast Ethernet）、千兆以太网（Gigabit Ethernet）、Myrinet等。其中快速以太网可以提供100Mbps的链路带宽，千兆以太网可提供1Gbps带宽，这两者可以通过交换机或路由器直接到桌面；而Myrinet由一系列交换开关组成，交换开关内部使用流水线机制，目前其带宽已经达到2Gbps以上。在通信网络的协议选择上可以使用普通的TCP/IP协议，也可以使用等效TCP/IP协议的精简协议，如Active Message、Fast Message、VIA（Virtual Interface Architecture）等。
（二）网络拓扑结构与基本通信方式
由于网络通信延时的关系，通信网络的拓扑结构对高性能计算机的性能有着非常重要的影响。不同拓扑结构的功能特性、网络时延、带宽、硬件复杂性、可扩展性和可靠性也不相同。下面是三种基本的连接方式：
●2D或3D网络（2D、3D Mesh）：连接方式非常简单，在同时对节点与其邻近节点交换数据频繁的应用场合非常有效。这种网络的性能主要取决于网络中路由器的性能。
●超立方体（Hypercube）网络：这种连接的主要思想是减小任意两个节点间通信的“Hop”数。它的扩张性能较差，随着超立方体维数的增加所需要的节点数目按指数增长。
●交换网络：所有的节点都直接与一个或多个高速交换开关相连，属于动态连接方式且速度很快。
在大型计算机中通信网络的拓扑结构可能更为复杂，因此在节点通信时往往使用一些寻径算法，这好比在IP网上面的分组路由操作。这些典型算法有存储转发、虚拟直通、线路交换、虫蚀寻径等。此外，与IP路由类似，在寻找路径时往往会遇到死锁、冲突、消息拥塞等现象。
不过，无论网络拓扑结构如何，高性能计算机节点间通信对于用户是透明的。其通信模式无
外乎以下4种：
●单播(Unicast):一个源节点到一个目的节点；
●多播(Multicast):一个源节点到多个目的节点;
●广播（Broadcast）:一个源节点到全体节点；
●会议（Conference）:多个源节点到一个目的节点。
（三）任务粒度划分
在很多情况下，对于一个给定的并发程序，并不是增加更多的处理节点就可以获得更多的性能，因为随着节点数目的增加，节点间通信开销、同步的开销等都会增加。因此为了提高整个系统的性能，需要在任务通信时做以下几点的均衡考虑：
●所需处理节点的数目；
●执行任务模块或划分的数目（如是否将一些小规模的任务组合在一起串行执行）；
●系统通信开销。
而对这些诸多因素的权衡分析就是通过对任务粒度（task granularity）的分析而得到的。一个比较通用的任务粒度的定义如下：
式中G是任务粒度，R代表程序执行的时间，C是以通信时延为主的额外开销。G越小则粒度越细，数据流计算中的程序指令就是一个细粒度的典型例子；另一方面，如果G越大则粒度越粗大，其典型的例子有任务的子程序、函数等。通常的细粒度的任务并行度高，但是通信开销大；粗粒度任务的并行度低，但通信开销小。
为了最大限度发挥高性能计算机的并行度，我们往往把减小系统通信延时作为任务划分的依据，即将一些任务划分到一个节点上串行执行，使得通信延时的减小效果超过串行执行对性能的影响。
（四）静态调度与负载平衡
为了进一步减小并发程序的执行时间，在使用高性能计算机时往往要对所执行的任务做一定的调度。调度主要分为静态调度和动态负载平衡两种。静态调度主要是通过预先划分任务，减小节点间的通信开销，以达到提升系统性能的作用；而动态的负载平衡则是充分利用运行时节点与节点的通信，交互必要的系统信息，以提高整个系统的吞吐量。
对于静态调度，通常在程序编译阶段预测程序的执行时间与通信延时，并将小的任务汇集为较粗粒度（coarser-grain）的任务。这种调度主要分为完全优化（optimal）和部分优化（suboptimal）两大类。其中完全优化方案一般属于NP问题，只有当给定某些限制时才能进行完全优化的求解。由于完全优化方案的复杂性问题，大部分研究工作都是集中在部分优化方案上，即求得一个“较优”解（或可以接受的解）。部分优化方案的求解主要由近似式（approximate）和启发式（Heuristic）两种方法构成，其中包括模拟退火、线性或非线性规划、状态空间搜索等技术。不过它也存在很多缺点，如缺乏对任务执行和通信延时的有效预测，忽略对异地数据存取时带来的通信延时。
为了弥补这些缺点，目前对高性能计算机的执行时间预测器（execution time estimation）的研究广泛开展，如对用户预测、模拟预测和基于Profile预测的研究。
负载平衡技术已经在第二部分并行程序开发过程中介绍过了，这里不再赘述。
展望
减小通信时延是提高并行计算机性能的一项非常关键的技术，其手段大体上有硬件和软件两种。硬件上：对于通信网络可以通过改进拓扑结构、提高通信速度的手段实现；对于节点可以使用高速缓存、超线程技术等。在软件上可以通过改善任务划分和处理器的分配，以及适量的任务复制（即在不同节点上执行相同的任务）达到通信时延隐藏的效果;另一方面，充分利用节点间的通信，使用负载平衡技术也可以改善系统的性能。
总结
并行计算机体系结构，并行程序开发环境，通信技术三者在并行算法研究中的作用是密不可分的。三者从并行算法的硬件支持和软件环境这两个不同角度，不同层次，提出了对并行算法研究的全方位要求。只有这三个方面齐头并进，共同发展，才能推动并行算法研究波浪式的快速向前发展。
参考文献
并行计算机之路郑纬民
《网格计算》都志辉陈渝刘鹏清华大学出版社
通信技术—减少时延清华大学林闯谭章熹
体系结构—创新的步伐不断中科院计算所孙凝晖
并行计算模型的层次分析及性能评价刘方爱计算机科学
基于共享虚拟存储系统的波导加载谐振腔谐振频率的高效并行计算施巍松马积幅
面向共享虚拟存储系统的编译支持的通信优化技术洪锦伟计算机学报
并行计算机用户环境的设计与实现吴明计算机学报
本文来自CSDN博客，转载请标明出处：https://www.doczj.com/doc/956169557.html,/lovelucy26/archive/2007/07/09/1683324.aspx
客户关系管理研究文献综述 摘要：客户关系管理（CRM）是最近几年管理界热烈讨论的话题，经济的发展与人民生活水平的提高，使得原来以产品为到现在为导向的企业经营模式已日益不能满足消费者多样化、个性化的需求，客户关系管理就成为企业界关注的领域，本文拟从信息的角度对当前客户关系管理研究进行总结，为今后的研究奠定基础。 关键词：客户关系管理（CRM）、信息技术（IT）、功能 近年来，“顾客满意”似乎已成为企业界人士最常挂在嘴边的用语，因为他们认识到顾客是最终评定产品及服务品质优劣，并能决定是否继续与该公司交易的人，也就是说顾客是公司利润的源泉。随着竞争日趋白热化，全球各公司获取顾客光顾的成本不断增高，加上顾客多样化选择的机会等因素，让人感觉生意越来越难做。面对越来越挑剔的顾客和激烈的同行竞争，吸引新顾客和保留现有顾客已成为企业必须面对的重要课题，因此研究客户关系管理（CRM 或Customer Relationship Management）对于满足客户个性化需求，提高客户忠诚度和保有率，实现缩短销售周期、降低销售成本、增加收入、扩展市场，从而全面提升企业的赢利能力和竞争力有着重要的作用。因此，本文旨在对客户关系管理的研究现状进行总结，以便在此基础上做更深入的研究。 1 客户关系管理的概念 所谓客户关系管理是一种以客户为中心的经营策略，它以信息技术为手段，并对工作流程进行重组，以赋予企业更完善的客户交流能力、最大化客户的收益率①。 客户关系管理是一个IT业术语，它涵盖了方法学、软件技术和网络技术，通过一种组织化的方式来帮助企业管理客户关系。 客户关系管理是一概念，它把管理理念和业务实践融合在一起，它继承了销售、定单管理、客户服务以及协调和统一在客户生命周期内与客户交互的所有信息。CRM帮助企业管理单个客户，通过快速响应和高效的服务建立同客户之间的牢固关系。 客户关系管理应用是一个前端应用工具，通过它能够很方便地捕捉、融合、分析和共享企业已有的和潜在客户的信息。此过程主要贯穿市场、销售和服务阶段，目的是为了更好地了解客户，精确地定位客户对企业的产品和服务提出的需求。CRM软件的实施主要有两个目标：第一，使得企业能更有效地定位、联系和赢得新客户；第二，使得企业与现有客户之间的关系更牢固。 CRM不是一个产品或服务，而是一种商业策略，通过它来有效管理企业客户关系，它为企业的每一个客户提供了一个完整的集成视图。 综合以上对客户关系管理的定义和有关文献可以看出：CRM是在信息技术支持下，依据一定的商业规则形成的软件工具，目的是为了更好地服务于客户和留住客户，增强企业竞争力最终达到赢利的目标②。 2 客户关系管理的研究现状 近年来，国内外的学者对客户关系管理理论、方法和实施做了多方面的研究。主要是针对客户关系管理的重要性、客户关系管理的基本功能和技术要求以及如何实现客户关系管理等。从信息的角度，客户关系管理的代表性的研究有：Hurwitz Group提出的CRM的六个主要的功能和技术要求；余军合，吴昭同（2000）提出的客户关系管理的三大基本功能；江波（2002）提出的客户关系管理的技术架构和典型功能以及技术实现；AMT网站客户关系管理研究小组提出的CRM系统具有的五大功能模块；以
目录 第一章绪论 (1) 1.1 论文研究背景 (1) 1.2 国内外研究现状 (2) 1.3 论文的研究目标及意义 (6) 1.4 本文的组织结构 (6) 第二章最短路径问题基础 (8) 2.1 城市路网中的最短路径问题 (8) 2.2 图论的基本概念 (8) 2.3 图的存储表示 (10) 2.3.1 邻接矩阵 (10) 2.3.2 邻接表 (11) 2.3.3 两种存储表示方式对比 (12) 2.4 城市交通网络分析 (13) 2.4.1 城市道路的网络拓扑 (13) 2.4.2网络模型及其构建实例 (17) 2.5城市路网网络分解的基本知识 (19) 2.5.1网络分解的基本要求 (19) 2.5.2网络划分方法 (20) 2.5.3交通网络分割算法 (21) 2.6本章小结 (22) 第三章 K最短路径算法的并行化设计 (23) 3.1K最短路径算法 (23) 3.1.1算法的基本思想 (23) 3.1.2算法的程序设计 (24) 3.2并行算法认识 (26) 3.2.1并行算法的概念 (26) 3.2.2并行算法的网络分解原则 (27) 3.2.3并行编程的几种常见模型 (29) 3.3并行K最短路径算法 (30) 3.3.1并行K最短路径算法的设计思路 (30) 3.3.2并行K最短路径算法程序设计与实现 (32) 3.4本章小结 (35) 第四章并行K最短路径算法的性能测试 (36) i v
4.1并行算法的几个评估指标 (36) 4.2本文的实验环境 (36) 4.3实验结果分析 (37) 4.4本章小结 (39) 第五章并行K最短路径算法的应用 (40) 5.1实验平台Hadoop概述 (40) 5.1.1Hadoop的分布式文件系统HDFS (41) 5.1.2Hadoop的编程模型MapReduce (42) 5.1.3Hadoop环境的搭建与测试 (45) 5.2城市路网交通流问题 (48) 5.3并行K最短路径算法分配交通流 (49) 5.4本章小结 (53) 第六章总结与展望 (54) 6.1全文总结 (54) 6.2未来展望 (55) 参考文献 (56) 攻读学位期间取得的研究成果 (59) 致谢 (60) v
大连理工大学 研究生必修课 作业 课程名称：现代物流管理 研究生姓名：徐静学号：21511149 作业成绩： 任课教师(签名) 交作业日时间：2016 年6 月1日
蚁群算法在TSP问题上的应用 摘要蚁群算法是受现实蚂蚁群体行为启发而得出的一类仿生算法。本文以解决TSP问题为基础,系统地介绍了蚁群算法从诞生到成熟过程中几个代表性的算法。在阐述算法基本思想的前提下，着重论述算法的创新之处。 关键词蚁群算法，TSP问题，蚁群优化 1引言 蚁群算法也称作蚁群优化(Ant Colony Optimization，ACO)，最早是由Dorigo及其研究同伴所提出，用于求解诸如旅行商问题之类的组合优化问题。自然界蚂蚁在其经过的路径上会留下某种生物信息物质(信息素)，该物质会吸引蚁群中的其它成员再次选择该段路径；食物与巢穴之前较短的路径容易积累较多的信息素，因而使得更多的蚂蚁选择走该段路径，最终几乎所有的蚂蚁都集中在最短路径上完成食物的搬运。Dorigo等从此现象中抽象出路径选择和信息素积累的数学模型，作为蚁群算法的核心，并通过对蚂蚁寻找最短路径的计算机模拟，实现了对TSP问题的求解。自此，蚁群算法越来越多地被用于求解其它的组合优化问题，也被推广到工业工程上应用。 蚁群算法特点是并发性、鲁棒性、正反馈性等。在蚁群算法求解问题的过程中，利用蚁群在问题空间中同时构造问题的多个解体现了算法的并发性。蚁群不会因为单个蚂蚁寻找到较差的解或者因为问题空间发生改变而使得算法丧失作用，这体现了算法的鲁棒性。在蚂蚁构造问题解的过程中，以蚁群觅食行为为例，会在经过的解路径上释放信息素，而解空间中获得信息素越多的路径，对蚂蚁的吸引力就越大，使更多的蚂蚁经过该路径并进一步在上面释放信息素，这体现了算法的正反馈性。 TSP问题代表一类组合优化问题，在实际工程中有许多应用，如计算机联网、电子地图、交通诱导、电气布线、VLSI单元布局、ATM分组交换网等。鉴于其重要的工程与理论价值，TSP常作为算法性能研究的典型算例。求其最优解的代价是指数级的，因此对其近似解的研究一直是算法设计的一个重要课题。 TSP问题是典型的NP完全问题，许多算验证法及算法效率测试都以TSP问题为基础。在蚁群算法研究中，第一个蚁群算法，蚂蚁系统,就是在TSP问题的基础上提出来的。而后，依据TSP问题，又提出了蚁群算法系列中具有代表性的蚁群系统、最大——最小蚂蚁系统。 本文以TSP问题为基础,对蚁群算法的基本问题及典型的蚁群算法进行了综述。涉及到算法的基本问题、算法描述、算法改进及意义。通过研究总结了蚁群算法的发展历程和实现思想。
文献综述 公司客户关系管理研究 客户关系管理是于20世纪90年代随着大市场营销理念的发展而产生的，其最早是由一家对IT行业比较有研究的咨询顾问公司Gartner Group(1990)提出的，其认为，客户关系管理是企业的一项商业策略，它按照客户的细分情况有效地组织企业资源，培养以客户为中心的经营行为及实施以客户为中心的业务流程，并以此为手段来提高企业的获利能力、收入，以及客户满意度。随着企业逐渐进入“客户经济”时代，越来越多的学者与企业领导者和科研机构开始重视对客户关系管理的研究与管理。 （1）国内研究现状 国外先进管理理念的传入和信息时代的到来，为我国客户关系管理研究奠定了理论基础和技术支持。 ①基于CRM为管理理念的研究 陈旭(2001)研究了CRM的内涵和管理思想，分析了CRM的主要功能，辨析了CRM与SCM和ERP的关系，讨论了CRM的发展趋势；成栋、宋远方(2004)在研究当前各种客户关系管理的管理理论的基础上提出了客户关系管理的理论框架体系，以澄清客户关系管理与其他管理理论的关系；安实(2001)等分析了CRM价值创造机理，指出目前对客户关系管理的应用研究忽视了CRM项目的理念基础和人的因素。韩婷婷(2007)从营销学角度比较系统地介绍了客户关系管理的由来，将客户关系管理定义为以客户为中心的业务战略，使我们对于客户关系管理的由来以及定义，有了更加深入的了解，对客户关系管理有了更深刻的认识。徐忠海(2004)研究发现，在客户关系生命周期的不同阶段，客户价值是不同的且可以用不同的指标来衡量。徐忠海同时还强调企业要加强对流失客户的管理，把恢复客户关系管理的管理过程划分为分析阶段、行动阶段、考核评估阶段三个阶段。王化成(2005)提出了运用作业成本法来分析客户可赢利性，通过具体的操作方法，证明了企业通过对客户关系的管理，可以使企业盈利。 ②基于CRM为管理机制的研究 国内研究CRM较具代表性的机构CRCC，(CRM Research Center of China)对客户关系管理理念、模式及应用方法进行了整合和创新，结合中国企业实际，率先创造性地提出了“中国客户关系管理方法论(China CRM Methodology)”，
智能控制之蚁群算法 1引言 进入21世纪以来，随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。随着计算机技术的飞速发展，智能计算方法的应用领域也越来越广泛。 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。 蚁群算法是近些年来迅速发展起来的，并得到广泛应用的一种新型模拟进化优化算法。研究表明该算法具有并行性，鲁棒性等优良性质。它广泛应用于求解组合优化问题，所以本文着重介绍了这种智能计算方法，即蚁群算法，阐述了其工作原理和特点，同时对蚁群算法的前景进行了展望。 2 蚁群算法概述 1、起源 蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 Deneubourg及其同事(Deneubourg et al.,1990; Goss et al.,1989)在可监控实验条件下研究了蚂蚁的觅食行为，实验结果显示这些蚂蚁可以通过使用一种称为信息素的化学物质来标记走过的路径，从而找出从蚁穴到食物源之间的最短路径。 在蚂蚁寻找食物的实验中发现，信息素的蒸发速度相对于蚁群收敛到最短路径所需的时间来说过于缓慢，因此在模型构建时，可以忽略信息素的蒸发。然而当考虑的对象是人工蚂蚁时，情况就不同了。实验结果显示，对于双桥模型和扩展双桥模型这些简单的连接图来说，同样不需要考虑信息素的蒸发。相反，在更复杂的连接图上，对于最小成本路径问题来说，信息素的蒸发可以提高算法找到好解的性能。 2、基于蚁群算法的机制原理 模拟蚂蚁群体觅食行为的蚁群算法是作为一种新的计算智能模式引入的，该算法基于如下假设： （1）蚂蚁之间通过信息素和环境进行通信。每只蚂蚁仅根据其周围的环境作出反应，也只对其周围的局部环境产生影响。 （2）蚂蚁对环境的反应由其内部模式决定。因为蚂蚁是基因生物，蚂蚁的行为实际上是其基因的自适应表现，即蚂蚁是反应型适应性主体。 （3）在个体水平上，每只蚂蚁仅根据环境作出独立选择；在群体水平上，单
国内外企业信息资源管理理论的文献综述随着企业信息资源管理实践的发展，其理论研究也丰富起来。企业信息资源管理研究属于微观层次范畴，通过研究信息资源的规律，以科学地指导企业信息资源的组织、规划、协调和调控。本文拟梳理企业信息资源管理的理论流派、发展历程、体系结构、管理模式等方面的研究状况。 1理论派别企业信息资源管理的论述可以概括为以下派别： 1.1信息学研究流派信息学研究流派是现代信息管理学的开创者，它集成和发展了几千年来文献管理思想。霍顿的《信息资源管理》是一部以信息资源为逻辑起点的信息资源管理专著。[1]霍顿认为信息资源管理是对信息资源实施规划、指导、预算、决算、审计和评估的过程。在克里斯和高、怀特、伍德、莱维坦等学者的共同努力下，信息资源研究发展迅速。国内，霍国庆教授在企业信息资源的集成管理、战略管理研究方面成果突出。北京大学秦铁辉教授从企业文献、网络、实物和人际等信息资源的特点、获取途径和利用方法角度研究了企业信息资源管理。[2]信息学研究流派主要研究企业各种类型信息资源的采集、分类、组织、检索与传递。该流派逐步建立独立的理论体系，研究的深度与广度较高，引领着信息资源管理学科发展的脉搏。 1.2管理信息系统研究流派管理信息系统研究流派以计算机技术特别是管理信息系统技术为代表。早在20世纪30年代，柏纳德强调决策在组织管理中的作用时就已提出信息资源管理系统的思想，而计算机应用于管理是管理信息系统的最早形态。美国新墨西哥州立大学的D.胡塞因和K·M·胡塞因的理论是计算机资源管理理论，[3]其核心是信息系统的开发、管理和计算机在工商企业领域的应用问题，它又被称为“管理中的信息系统理论”。为促进研究，国外有专门的管理信息系统的杂志如管理信息系统杂志，管理信息系统季刊等。国内的研究成果也比较多。如郑继芳从管理信息系统的基本概念、建立过程及社会功效等入手研究企业信息资源管理。[4]管理信息系统流派主要研究如何采用信息技术促进信息管理。不过该流派局限于技术角度，应该弥补人文、社会视角的盲点，其基础理论问题还有待深化。 1.3商业管理研究流派商业管理研究流派源于经管界，将信息视为最重要的生产力要素，从经济效益方面进行管理。1983年，美经济学家保罗·罗默提出，应把信息看作与劳动力和资金一样重要的生产要素。罗伯特、巴罗和英经济学家莫里斯也认为信息和知识与一般的有形资产不同，应特别重
启发式优化算法综述 一、启发式算法简介 1、定义 由于传统的优化算法如最速下降法，线性规划，动态规划，分支定界法，单纯形法，共轭梯度法，拟牛顿法等在求解复杂的大规模优化问题中无法快速有效地寻找到一个合理可靠的解，使得学者们期望探索一种算法:它不依赖问题的数学性能，如连续可微，非凸等特性; 对初始值要求不严格、不敏感，并能够高效处理髙维数多模态的复杂优化问题，在合理时间内寻找到全局最优值或靠近全局最优的值。于是基于实际应用的需求，智能优化算法应运而生。智能优化算法借助自然现象的一些特点，抽象出数学规则来求解优化问题，受大自然的启发，人们从大自然的运行规律中找到了许多解决实际问题的方法。对于那些受大自然的运行规律或者面向具体问题的经验、规则启发出来的方法，人们常常称之为启发式算法（Heuristic Algorithm）。 为什么要引出启发式算法，因为NP问题，一般的经典算法是无法求解，或求解时间过长，我们无法接受。因此，采用一种相对好的求解算法，去尽可能逼近最优解，得到一个相对优解，在很多实际情况中也是可以接受的。启发式算法是一种技术，这种技术使得在可接受的计算成本内去搜寻最好的解，但不一定能保证所得的可行解和最优解，甚至在多数情况下，无法阐述所得解同最优解的近似程度。 启发式算法是和问题求解及搜索相关的，也就是说,启发式算法是为了提高搜索效率才提出的。人在解决问题时所采取的一种根据经验规则进行发现的方法。其特点是在解决问题
时,利用过去的经验,选择已经行之有效的方法，而不是系统地、以确定的步骤去寻求答案，以随机或近似随机方法搜索非线性复杂空间中全局最优解的寻取。启发式解决问题的方法是与算法相对立的。算法是把各种可能性都一一进行尝试，最终能找到问题的答案，但它是在很大的问题空间内，花费大量的时间和精力才能求得答案。启发式方法则是在有限的搜索空间内，大大减少尝试的数量，能迅速地达到问题的解决。 2、发展历史 启发式算法的计算量都比较大，所以启发式算法伴随着计算机技术的发展，才能取得了巨大的成就。纵观启发式算法的历史发展史： 40年代：由于实际需要，提出了启发式算法（快速有效）。 50年代：逐步繁荣，其中贪婪算法和局部搜索等到人们的关注。 60年代: 反思，发现以前提出的启发式算法速度很快，但是解得质量不能保证，而且对大规模的问题仍然无能为力（收敛速度慢）。 70年代：计算复杂性理论的提出，NP问题。许多实际问题不可能在合理的时间范围内找到全局最优解。发现贪婪算法和局部搜索算法速度快，但解不好的原因主要是他们只是在局部的区域内找解，等到的解没有全局最优性。由此必须引入新的搜索机制和策略。 Holland的遗传算法出现了（Genetic Algorithm）再次引发了人们研究启发式算法的兴趣。 80年代以后：模拟退火算法（Simulated Annealing Algorithm），人工神经网络（Artificial Neural Network），禁忌搜索（Tabu Search）相继出现。 最近比较火热的：演化算法（Evolutionary Algorithm）, 蚁群算法（Ant Algorithms），拟人拟物算法，量子算法等。
毕业论文（设计）开题报告 论文题目关于财务报表分析研究的文献综述 学生姓名学号js0843544 专业财务管理 指导教师职称副教授学历本科 开题报告内容： 本篇论文综述了财务报表分析的基本方法,从财务报表分析盈利能力分析方法的研究、财务报表分析偿债能力分析方法的研究、财务报表分析杜邦分析方法的研究三个层面来阐述财务报表分析理论的发展与研究，在总结各个文献理论研究成果的基础上，借鉴他们采用的分析方法，将理论应用于实际，并采用以传统比率分析和现金流量比率相结合的方法对上市公司个案进行分析和评价。在分析时，分析公司基本情况,关注上市公司的历史,关注会计处理方法对利润的影响、分析子公司和关联方对利润的影响、分析会计主要项目的详细资料,并且了解宏观经济的发展状况和被分析对象所处行业的发展水平。 一、本文选题的意义 公司财务报表是关于公司经营活动的原始资料的重要来源。尤其是作为上市公司，必须遵守财务公开的原则，定期公开自己的财务状况，提供有关财务资料，便于投资者查询。上市公司公布的一整套财务资料中，主要是一些财务报表。财务报表分析，就是利用会计报表直接提供的信息，采用专门的方法，对财务报表进行资料归集、加工、分析、比较、评价等，对企业财务状况和经营成果做出综合评价，并提出改善财务状况的措施办法。通过财务报表分析，可以为报表使用者提供新的会计分析信息。这些会计分析信息，对于企业的主管部门，投资者、经营者及有关方面具有重要作用。可以说，财务报表分析是会计工作的升华。 财务分析从盈利能力、营运能力和偿债能力角度对企业的筹资活动、投资活动、和经营状况进行了深入、细致的分析，以判明企业的财务状况和经营业绩，这对于企业投资者、债权人、经营者、及其他与企业有关的利益相关者了解企业的财务状况和经营成效是十分有益的但是前面的财务分析通常是从某一特定角度，就企业的某一方面的经营活动所做的分析，这种分析不足以全面评价企业的总体财务状况和财务成效，很难对企业总体财务状况和经营业绩的关联性做出综合结论。为弥补财务分析的这一不足，有必要在财务能力单项分析的基础上，将有关指标按其内在联系结合起来进行综合分析。随着社会和经济的不断发展，财务报表体系得到不断地发展和完善，目前基本上形成了以资产负债表、利润表、和现金流量表为基础的财务报表体系。 二、国内外研究现状及成果 1、国外研究现状
第31卷 第1期 吉首大学学报(自然科学版)Vol.31 No.1 2010年1月J ournal of J is ho u Uni ver s i t y (Nat ural Sci ence Editio n )J an.2010 文章编号:1007-2985(2010)01-0035-05 蚁群算法研究应用现状与展望 3 叶志伟,周 欣,夏 彬 (湖北工业大学计算机学院,湖北武汉 430068) 摘 要:蚁群算法是工程优化领域中新出现的一种仿生进化算法.首先介绍基本蚁群算法的原理和模型,然后评述近年来对蚁群算法的若干改进以及在许多新领域中的发展应用,最后对蚁群算法未来的发展和研究方向进行展望. 关键词:蚁群算法;优化;最优决策 中图分类号:TN911.73 文献标识码:A 实际工程问题常具有复杂性、非线性等特点,而它的解决通常也是一种寻求最优决策的过程,因此寻求一种适合大规模并行、具有智能特征的优化算法已经成为引人注目的研究方向.目前,除了业已得到公认的遗传算法、模拟退火算法、禁忌搜索算法等热门进化算法,蚁群优化算法[1-3](Ant Colony Optimization Algo rithm ,ACO ,也称蚂蚁系统)正在开始崭露头角,为复杂的系统优化问题提供了新的具有竞争力的求解算法.ACO 是由意大利学者M.D o rigo 等人于1991年首先提出来一种新兴模拟生物智能的算法,在短期内得到了迅速的发展,除了用于大批经典优化问题的求解,如二次分配问题(Qua d 2ra tic Assignme nt Problem ,QAP )、有序排列问题(Sequential Orde ring Problem ,SOP )[2-16]等,在实际工程领域也得到广泛的应用. 1 基本ACO 原理 为了说明ACO 模型,这里引入旅行商问题(TSP ),它是一类经典的组合优化问题,即在给定城市个数和各城市之间距离的条件下,要找到1条遍历所有城市当且仅当1次最短的线路. 为模拟真实蚂蚁的行为,首先引入如下标记:m 是蚁群的规模;b i (t )是t 时刻位于城市i 的蚂蚁数量,m = ∑n i =1 b i (t );d i j 是两城市i 和j 之间的距离;ηi j 是由城市i 转移到城市j 的可见度,反映城市i 转移到城市j 的启发信息,这个量在ACO 的 运行中保持不变;τi j 是边(i ,j )上的信息素轨迹强度;Δτi j 是蚂蚁k 在边(i ,j )上留下的信息素轨迹量;p k i j 是蚂蚁k 的转移概 率,j 是没有访问过的城市. 每只蚂蚁都是具有如下行为的个体:①由城市i 转移到城市j 的过程中或是在完成1次循环以后,蚂蚁在边(i ,j)上释放信息素;②蚂蚁随机的选择下一个将要访问的城市;③在完成一次循环以前,不允许选择已经访问过的城市. 基本ACO 在TSP 问题中实现的具体过程如下:假设将m 只蚂蚁放入到n 个随机选择的城市中;每只蚂蚁每步根据一定的概率,选择下一个它还没有访问过的城市,将所有城市遍历完以后回到出发的城市.蚂蚁选择目标城市的概率公式为 p k ij (t)= (τi j (t ))α(ηij )β/∑j ∈allowed (τi j (t ))α(ηi j )β j ∈allowed ,0 othe rwise.(1) 在得到每个候选城市的选择概率以后,蚂蚁运用随机选择的方式决定下一步要去的城市.(1)式中各参数意义如下:α表示信息素信息相对重要程度;β表示可见度信息相对重要程度.为了避免对同一个城市的重复访问,每只蚂蚁都保存一个列表tabu (k ),用于记录到目前为止蚂蚁已经访问过的城市集合.为了避免残留信息素过多引起残留信息淹没启发信息的现象发生,在每一只蚂蚁走完1步或者完成对所有n 个城市的访问后,对残留信息素进行更新处理.这样得到(t +n)时刻在(i , 3收稿日期:2009-04-10 基金项目:湖北省自然科学基金资助项目(2008CDZ003;2008CDB342);湖北省教育厅优秀中青年项目(Q20081409;Q20081402) 作者简介叶志伟(),男,湖北浠水人,湖北工业大学计算机学院副教授,博士,主要从图像处理领域和智能计算研究:1978-.
工程项目管理模式研究文献综述 姓名：代飞学号：0745513210 专业：工程管理 一、《对当前大型工程项目管理模式的思考》作者：武海清 文章在分析当前业主方大型工程项目管理内涵、工程项目管理主要模式及监理服务范畴的基础上，提出了较为适应当前建设环境下的大型工程全过程监理模式。 1、工程项目管理内涵： （1）工程项目计划管理和综合协调 （2）工程项目各阶段任务划分和目标确定 （3）工程项目进度管理和目标控制 （4）投资控制及费用管理 （5）质量管理 （6）人力资源管理 （7）沟通信息 （8）采购管理 （9）项目风险管理 2、工程项目管理主要模式： （1）项目管理服务（PM） （2）项目管理承包
（3）工程一体化项目管理（IPMT） 3、当前项目管理公司的主要业务范围 4、当前工程监理的主要服务范畴及内容 可以看出，监理服务的内涵已经从施工阶段的“三控两管一协调”逐步延伸到项目前期阶段监理、设计监理以及后期的保修阶段监理。 二、工程项目管理模式的比较分析作者：彭韶辉 文章结合对工程项目管理模式的实质概述，对目前流行的几种主要的项目管理模式特点进行比较，分析项目管理模式的适应环境和条件，分析了各模式的优缺点，提出根据企业特点建立项目管理组合模式的观点 1、工程项目管理模式分析 （1）设计——招标——建造模式，优点是，参与工程项目的三方即业主、设计机构、承包商在各自合同的约定下，各自行使自己的权利和履行义务；缺点是设计的可施工性差，监理工程师控制项目目标能力不强、工期长，不利于工程事故的责任划分，由于图纸问题产生争端等。 （2）设计采购建设模式，是将设计与施工委托给一家公司来完成，主要特点是业主把工程的设计、采购、施工和开工服务工作全部托付给工程总承包商负责组织实施，业主只负责整体的、原则的、目标的管理和控制（3）项目管理承包模式，该模式指项目管理承包商代表业主对工程项目进行全过程、全方位的项目管理 （4）代理型模式，采用CM制进行项目管理，关键在于选择项目经理（5）建造——运营——移交模式（BOT）是指项目确定招标→项目发起
管理学文献综述类文章写作方法初探 59 第33卷第7期外国经济与管理Vol 133No 192011年9月Foreign Economics &Management Sep 12011 管理学文献综述类文章写作方法初探 秦 宇1,郭 为2 (1.北京第二外国语学院旅游管理学院,北京100024;2.青岛大学旅游学院,山东青岛266071) 编者按:无论对于哪个学科的哪种研究,文献综述的重要性自不待言。遗憾的是,在定量研究占据主流地位的今天,我国的青年学子,即便是在校研究生,也很少有机会接受文献综述类文章写作技巧的正规训练和指导。本刊作为国内以介绍国外最新管理研究动态和成果著称的管理学期刊,有责任为我国的青年学子和在校研究生提高这方面的技能助一臂之力,故特约在这方面颇有造诣和切身体会的两位年轻学者撰写此文。 摘 要:本文讨论了管理学文献综述类文章写作中的几个关键问题,首先介绍了文献综述的目的,然后介绍了寻找代表性文献的方法或途径以及阅读文献的不同方法,接着介绍了文献综述类文章四种基本的结构安排,最后提出了写作文献综述类文章的若干建议。 关键词:管理学;文献综述;写作方法 中图分类号:F270 文献标识码:A 文章编号:100124950(2011)0920059207 收稿日期:2011204215 作者简介:秦 宇(1973-),男,北京第二外国语学院旅游管理学院副教授,管理学博士; 郭 为(1969-),男,青岛大学旅游学院副教授,管理学博士。 一、引 言 不管是哪种学科的哪种研究,文献综述必不可少。文献综述具有承上启下的作用,是学术研究和学术论文写作的一个重要环节。通过文献综述,我们可以了解相关领域的研究现状,在前人研究的基础上确定自己要研究的问题,避免不必要的重复并能够有所创新,为科学知识的积累做出自己的贡献。虽然文献综述工作非常重要,但目前与方法论有关的、讨论如何撰写文献综述类文章的管理学著述并不多见。而且,大多数学校的方法论课程也很少谈及这方面的内容。因此,我们不揣冒昧,把自己写作管理学文献综述类文章的一些体会拿出来与大家探讨。我们的所言大多为不成熟的浅见,难免挂一漏万,请各位大家指正。 本文的主要读者应该是高等院校和科研机构的管理学在读研究生。事实上,本文的雏形就是我们为指导自己的研究生写作文献综述类文章而拟定的要点和建议,其中的很多内容又来自于我们在研究生学习期间老师对我们的指导。我们希望我们的体会能够对正在撰写或将要撰写文献综述类文章的研究生有所帮助。 本文的结构安排如下:第二节简要描述文献综述的目的;第三节介绍六种查找文献的方法;第四节是对阅读文献三个层次的说明;第五节探讨了文献综述类文章的不同结构安排;第六节针对研究生提
蚁群算法综述 控制理论与控制工程09104046 吕坤一、蚁群算法的研究背景 蚂蚁是一种最古老的社会性昆虫，数以百万亿计的蚂蚁几乎占据了地球上每一片适于居住的土地，它们的个体结构和行为虽然很简单，但由这些个体所构成的蚁群却表现出高度结构化的社会组织，作为这种组织的结果表现出它们所构成的群体能完成远远超越其单只蚂蚁能力的复杂任务。就是他们这看似简单，其实有着高度协调、分工、合作的行为，打开了仿生优化领域的新局面。 从蚁群群体寻找最短路径觅食行为受到启发，根据模拟蚂蚁的觅食、任务分配和构造墓地等群体智能行为，意大利学者M.Dorigo等人1991年提出了一种模拟自然界蚁群行为的模拟进化算法——人工蚁群算法，简称蚁群算法(Ant Colony Algorithm,ACA)。 二、蚁群算法的研究发展现状 国内对蚁群算法的研究直到上世纪末才拉开序幕，目前国内学者对蚁群算法的研究主要是集中在算法的改进和应用上。吴庆洪和张纪会等通过向基本蚁群算法中引入变异机制，充分利用2-交换法简洁高效的特点，提出了具有变异特征的蚊群算法。吴斌和史忠植首先在蚊群算法的基础上提出了相遇算法，提高了蚂蚁一次周游的质量，然后将相遇算法与采用并行策略的分段算法相结合。提出一种基于蚁群算法的TSP问题分段求解算法。王颖和谢剑英通过自适应的改变算法的挥发度等系数，提出一种自适应的蚁群算法以克服陷于局部最小的缺点。覃刚力和杨家本根据人工蚂蚁所获得的解的情况，动态地调整路径上的信息素，提出了自适应调整信息素的蚁群算法。熊伟清和余舜杰等从改进蚂蚁路径的选择策略以及全局修正蚁群信息量入手，引入变异保持种群多样性，引入蚁群分工的思想，构成一种具有分工的自适应蚁群算法。张徐亮、张晋斌和庄昌文等将协同机制引入基本蚁群算法中，分别构成了一种基于协同学习机制的蚁群算法和一种基于协同学习机制的增强蚊群算法。 随着人们对蚁群算法研究的不断深入，近年来M.Dorigo等人提出了蚁群优化元启发式(Ant-Colony optimization Meta Heuristic，简称ACO-MA)这一求解复杂问题的通用框架。ACO-MH为蚁群算法的理论研究和算法设计提供了技术上的保障。在蚁群优化的收敛性方面，W.J.Gutjahr做了开创性的工作，提出了基于图的蚂蚁系统元启发式(Graph-Based Ant System Metaheuristic)这一通用的蚁群优化 的模型，该模型在一定的条件下能以任意接近l的概率收敛到最优解。T.StBtzle 和M.Dorigo对一类ACO算法的收敛性进行了证明，其结论可以直接用到两类实验上，证明是最成功的蚁群算法——MMAs和ACS。N.Meuleau和M.Dorigo研究了
《智能计算—蚁群算法基本综述》 班级：研1102班 专业：计算数学 姓名：刘鑫 学号： 1107010036 2012年
蚁群算法基本综述 刘鑫 （西安理工大学理学院，研1102班，西安市，710054） 摘要:蚁群算法( ACA)是一种广泛应用于优化领域的仿生进化算法。ACA发展背景着手，分析比较国内外ACA研究团队与发展情况立足于基本原理,分析其数学模型,介绍了六种经典的改进模型，对其优缺点进行分析，简要总结其应用领域并对其今后的发展、应用做出展望。 关键词:蚁群；算法；优化；改进；应用 0引言 专家发现单个蚂蚁只具有一些简单的行为能力。但整个蚁群却能完成一系列复杂的任务。这种现象是通过高度组织协调完成的1991年。意大利学者M.Dorigo 首次提出一种新型仿生算法ACA。研究了蚂蚁的行为。提出其基本原理及数学模型。并将之应用于寻求旅行商问题(TSP)的解。 通过实验及相关理论证明,ACA有着有着优化的选择机制的本质。而这种适应和协作机制使之具有良好的发现能力及其它算法所没有的优点。如较强的鲁棒性、分布式计算、易与其他方法结合等；但同时也不应忽略其不足。如搜索时间较长，若每步进行信息素更新，计算仿真时所占用CPU时间过长：若当前最优路径不是全局最优路径，但其信息素浓度过高时。靠公式对信息素浓度的调整不能缓解这种现象。会陷人局部收敛无法寻找到全局最优解：转移概率过大时，虽有较快的收敛速度，但会导致早熟收敛。所以正反馈原理所引起的自催化现象意在强化性能好的解，却容易出现停滞现象。笔者综述性地介绍了ACA对一些已有的提出自己的想法，并对其应用及发展前景提出了展望。 1 蚁群算法概述 ACA源自于蚁群的觅食行为。S.Goss的“双桥”实验说明蚂蚁总会选择距食物源较短的分支蚂蚁之间通过信息素进行信息的传递,捷径上的信息素越多,吸引的蚂蚁越多。形成正反馈机制,达到一种协调化的高组织状态该行为称集体自催化目前研究的多为大规模征兵，即仅靠化学追踪的征兵。 1 .1 蚁群算法的基本原理
管理研究方法课程论文 方法论指的处理问题的一般途径和路线。方法指的是处理问题的具体的做法。很容易从字面的意思发现，在对问题的处理过程中所形成的习惯性处理方法就是方法论。实际在我们处理问题时不同的人的思维方式各不相同，但大致可以分为三类：管理研究思维、管理工作思维和教学思维。这三种思维各不相同：管理研究者思维主要特点是重归纳，善于发现问题，具有创造性。表现形式多为学术论文，课题申请书及研究报告。管理工作思维主要特点是重视现实具体问题的解决。表现形式多为工作报告、会议报告。教学思维主要特点是重演绎，强调知识的运用和掌握。表现形式多为教材学习。对管理方面来说，管理学科研究的方法多种多样，要形成完善的一整套的研究路径对任何的研究者来说都是梦寐以求的，但也不是无法实现的。因为我们知道，管理学和经济学一样，同属于社会学科的范畴，在理论的形成上主要是前人的思辨的探索，不同于工程科学、信息科学等领域来自严密的逻辑和精确的试验。这在一方面决定管理学科很难有一套完整的如同试验步骤一样的研究方法，但在另一方面却显示了社会科学的魅力。社会科学强化对问题的思索，同样可以建立在前人成就的基础上，但却容易超越前人。比如在物理科学的研究中，爱因斯坦的相对论使得物理学的研究达到了前所未有的高度，以至于后人的工作只能在其强大的领域下耕耘，而经济学的发展却大大不同于科学研究，从亚当斯密以来，后继者凯恩斯开创了宏观经济学的先河，进入20世纪后半叶，经济学的发展更是蒸蒸日上，在博弈论、一般均衡论等领域获得了更大的突破。社会科学的发展就是这样，建立在一代又一代人对社会发展轨迹简单认识基础上的再认识，没有人能了解整个历史发展的规律，正如没有人能够预知未来一样。对于管理学来说，誉为科学管理之父的泰罗，誉为管理理论之父的法约尔对管理理论的贡献也是来自于管理过程中经验的积累。对以往积累知识的吸收和发展，对未知事物的了解过程，进而形成处理一般问题的基本方法，构成社会科学研究中的方法论。单纯对管理学来说，管理研究方法论阐述了管理科学研究过程中的基本原则、途径和过程。进而对社会科学来说，方法论是对社会科学研究过程所出现的问题总结形成的基本方法。 爱因斯坦指出：“提出一个问题往往比解决一个问题更重要，因为解决一个问题也许仅仅是一个数学上或实验上的技能而已。而提出
《计算机系统结构》大作业 对并行算法的介绍和展望 专业计算机科学与技术 班级 111 学号 111425020133 姓名完颜杨威 日期 2014年4月17日 河南科技大学国际教育学院
对并行算法的介绍和展望 我们知道，算法是求解问题的方法和步骤。而并行算法就是用多台处理机联合求解问题的方法和步骤，其执行过程是将给定的问题首先分解成若干个尽量相互独立的子问题，然后使用多台计算机同时求解它，从而最终求得原问题的解。并行算法的研究涉及到理论、设计、实现、应用等多个方面，要保持并行算法研究的持续性和完整性，需要建立一套完整的“理论－设计－实现－应用”的学科体系，也就是所谓的并行算法研究的生态环境。其中，并行算法理论是并行算法研究的理论基础，包含并行计算模型和并行计算复杂性等；并行算法的设计与分析是并行算法研究的核心内容；并行算法的实现是并行算法研究的应用基础，包含并行算法实现的硬件平台和软件支撑技术等；并行应用是并行算法研究的发展动力，除了包含传统的科学工程计算应用外，还有新兴的与社会相关的社会服务型计算应用等。 并行算法主要分为数值计算问题的并行算法和非数值计算问题的并行算法。而并行算法的研究主要分为并行计算理论、并行算法的设计与分析、和并行算法的实现三个层次。现在，并行算法之所以受到极大的重视，是为了提高计算速度、提高计算精度，以及满足实时计算需要等。然而，相对于串行计算，并行计算又可以划分成时间并行和空间并行。时间并行即流水线技术，空间并行使用多个处理器执行并发计算，当前研究的主要是空间的并行问题。并行算法是一门还没有发展成熟的学科，虽然人们已经总结出了相当多的经验，但是远远不及串行算法那样丰富。并行算法设计中最常用的的方法是PCAM方法，即划分，通信，组合，映射。首先划分，就是将一个问题平均划分成若干份，并让各个处理器去同时执行；通信阶段，就是要分析执行过程中所要交换的数据和任务的协调情况，而组合则是要求将较小的问题组合到一起以提高性能和减少任务开销，映射则是要将任务分配到每一个处理器上。任何一个并行算法必须在一个科学的计算模型中进行设计。我们知道，任何算法必须有计算模型。任何并行计算模型必须要有为数不多、有明确定义的、可以定量计算的或者可以实际测量的参数，这些参数可以构成相应函数。并行计算模型是算法设计者与体系结构研究者之间的一个桥梁，是并行算法设计和分析的基础。它屏蔽了并行机之间的差异，从并行机中抽取若干个能反映计算特性的可计算或可测量的参数，并按照模型所定义的计算行为构造成本函数，以此进行算法的复杂度分析。 经过多年的发展，我国在并行算法的研究上也取得了显著进展，并行计算的应用已遍布天气预报、石油勘探、航空航天、核能利用、生物工程等领域，理论研究与应用普及均取得了很大发展。随着高性价比可扩展集群并行系统的逐步成熟和应用，大规模电力系统潮流并行计算和分布式仿真成为可能。目前，并行算法在地震数据处理中应用已较为成熟，近年来向更实用的基于PC机群的并行技术发展.然而，在非地震方法中，并行算法应用较少见文献报道，研究尚处于初级研究阶段。在大地电磁的二维和三维正、反演问题上，并行计算技术逐渐得到越来越多关注和重视.随着资源和能源需求的增长，地球物理勘探向深度和广度快速发展，大幅增长的数据量使得高性能并行计算机和高效的并行算法在勘探地球物理学中的发展和应用将占据愈来愈重要的地位。计算机技术在生物医学领域已经广泛应用，实践证明，并行算法在生物医学工程的各个领域中具有广泛的应用价值，能有效提高作业效率。随着电子科学技术的发展，电磁问题变得越来越复杂，为了在有限的计算机资源条件下求解大规模复杂电磁问题，许电磁学家已
南京航空航天大学金城学院毕业设计（论文）开题报告 题目基于蚁群算法的TSP问题研究 系部XXXX系 专业XXXX 学生姓名XXXX学号XXXX 指导教师XXXX职称讲师 毕设地点XXXX 年月日
填写要求 1．开题报告只需填写“文献综述”、“研究或解决的问题和拟采用的方法”两部分内容，其他信息由系统自动生成，不需要手工填写。 2．为了与网上任务书兼容及最终打印格式一致，开题报告采用固定格式，如有不适请调整内容以适应表格大小并保持整体美观，切勿轻易改变格式。 3．任务书须用A4纸，小4号字，黑色宋体，行距1.5倍。 4．使用此开题报告模板填写完毕，可直接粘接复制相应的内容到毕业设计网络系统。
1.结合毕业设计（论文）课题任务情况，根据所查阅的文献资料，撰写1500～2000字左右的文献综述： 1.1蚁群算法的发展和应用 在计算机自动控制领域中,控制和优化始终是两个重要问题。使用计算机进行控制和优化本质上都表现为对信息的某种处理。随着问题规模的日益庞大,特性上的非线性及不确定性等使得难以建立精确的“数学模型”。人们从生命科学和仿生学中受到启发,提出了许多智能优化方法,为解决复杂优化问题(NP-hard问题)提供了新途径。 蚁群算法(Ant Colony Algorithm,ACA)是Dorigo M等人于1991年提出的。 经观察发现,蚂蚁个体之间是通过一种称之为信息素的物质进行信息传递的。在运动过程中,蚂蚁能够在它所经过的路径上留下该种信息素,而且能够感知信息素的浓度,并以此指导自己的运动方向。蚁群的集体行为表现出一种信息正反馈现象:某一路径上走过的蚂蚁越多,则后来者选择该路径的概率就越大。蚂蚁个体之间就是通过这种信息的交流达到搜索食物的目的。它充分利用了生物蚁群通过个体间简单的信息传递，搜索从蚁巢至食物间最短路径的集体寻优特征，以及该过程与旅行商问题求解之间的相似性。同时，该算法还被用于求解二次指派问题以及多维背包问题等，显示了其适用于组合优化问题求解的优越特征。 蚁群算法应用于静态组合优化问题,其典型代表有旅行商问题(TSP)、二次分配问题(QAP)、车间调度问题、车辆路径问题等。在动态优化问题中的应用主要集中在通讯网络方面。这主要是由于网络优化问题的特殊性,如分布计算,随机动态性,以及异步的网络状态更新等。例如将蚁群算法应用于QOS组播路由问题上,就得到了优于模拟退火(SA)和遗传算法(GA)的效果。蚁群优化算法最初用于解决TSP 问题，经过多年的发展，已经陆续渗透到其他领域中，如图着色问题、大规模集成电路设计、通讯网络中的路由问题以及负载平衡问题、车辆调度问题等。蚁群算法在若干领域获得成功的应用，其中最成功的是在组合优化问题中的应用。 1.2蚁群算法求解TSP问题 （1）TSP问题的描述 TSP问题的简单形象描述是:给定n个城市,有一个旅行商从某一城市出发,访问各城市一次且仅有一次后再回到原出发城市,要求找出一条最短的巡回路径。 （2）TSP问题的理论意义 该问题是作为所有组合优化问题的范例而存在的。它已经成为并将继续成为测