فایل ورد کامل الگوریتم های موازی سریع برای شباهت و تطبیق گراف

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل الگوریتم های موازی سریع برای شباهت و تطبیق گراف،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۳ صفحه

۶- نتیجه گیری و کارهای آینده

ما مسئله تطبیق رئوس مشابه جفت گراف های موازی را مطرح کردیم. رویکرد ما متشکل از دو جزء اساسی است: NSD موازی، فرمولاسیون موازی بسیار کارآمد و مقیاس پذیر بر اساس یک الگوریتم سریالی که به تازگی برای محاسبات ماتریس شباهت و انطباق دو بخشی مبتنی بر مزایده موازی معرفی شده است. ما عملکرد خط لوله یکپارچه خود در خوشه کلاس ابر رایانه های بزرگ و نمونه گراف های متنوع را تائید اعتبار میکنیم. نتایج تجربی را ارائه میکنیم که نشان می دهد الگوریتم های ما در پیکربندی های دستگاه بزرگ مقیاس موارد مشکل مقیاس پذیر است. به طور خاص، ما نشان می دهیم که خط لوله یکپارچه ما تراز دلخواه برای شبکه های با اندازه های دو مرتبه بزرگتر از حال حاضر را امکان پذیر میکند (میلیون ها راس، دهها میلیون لبه).

عنوان انگلیسی:Fast Parallel Algorithms for Graph Similarity and Matching~~en~~

۶ Conclusions and Future Work

We address the problem of matching similar vertices of graph pairs in parallel. Our approach consists of two basic components: parallel NSD, a highly efficient and scalable parallel formulation based on a recently introduced serial algorithm for similarity matrix computation and parallel auction-based bipartite matching. We validate the performance of our integrated pipeline on a large, supercomputer-class cluster and diverse graph instances. We provide experimental results demonstrating that our algorithms scale to large machine con- figurations and problem instances. In particular, we show that our integrated pipeline enables alignment of networks of sizes two orders of magnitude larger than currently possible (millions of vertices, tens of millions of edges).

$$en!!