| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景与意义 | 第10-13页 |
| 1.2 课题研究现状 | 第13-16页 |
| 1.2.1 材料大数据处理研究现状 | 第13页 |
| 1.2.2 并行化智能算法研究现状 | 第13-16页 |
| 1.3 主要研究内容 | 第16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第2章 并行化智能算法基础理论 | 第18-38页 |
| 2.1 常用的智能算法 | 第18-21页 |
| 2.1.1 遗传算法 | 第18-20页 |
| 2.1.2 粒子群算法 | 第20-21页 |
| 2.2 并行计算背景 | 第21-23页 |
| 2.3 并行计算机硬件架构 | 第23-31页 |
| 2.3.1 CPU通信网络 | 第23-24页 |
| 2.3.2 几种并行计算机架构 | 第24-30页 |
| 2.3.3 弗林分类法 | 第30-31页 |
| 2.4 并行程序设计方法 | 第31-35页 |
| 2.5 材料学大数据处理中的分子力场优化问题 | 第35-36页 |
| 2.6 本章小结 | 第36-38页 |
| 第3章 智能算法并行化处理 | 第38-52页 |
| 3.1 并行智能算法设计 | 第38-42页 |
| 3.1.1 遗传算法并行化设计 | 第38-40页 |
| 3.1.2 粒子群算法并行化设计 | 第40-42页 |
| 3.2 基于子群划分的并行化智能算法 | 第42-43页 |
| 3.3 OPENMP下的并行化智能算法实现 | 第43-45页 |
| 3.4 MPI下的并行化智能算法实现 | 第45-51页 |
| 3.4.1 基于子群划分的并行化粒子群算法 | 第47-49页 |
| 3.4.2 加入历史信息的并行化粒子群算法 | 第49页 |
| 3.4.3 引入遗传算子的并行化粒子群算法 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于并行智能算法的核材料大数据处理 | 第52-66页 |
| 4.1 材料大数据处理中的分子动力学 | 第52-53页 |
| 4.2 材料大数据处理中的力场优化问题 | 第53-57页 |
| 4.2.1 优化目标介绍 | 第53-55页 |
| 4.2.2 适应度函数 | 第55-56页 |
| 4.2.3 结合能求解过程 | 第56-57页 |
| 4.3 基于串行智能算法的材料学大数据处理 | 第57-60页 |
| 4.3.1 串行遗传算法的分子力场优化 | 第57-58页 |
| 4.3.2 基于粒子群算法的分子力场优化 | 第58-59页 |
| 4.3.3 优化结果分析 | 第59-60页 |
| 4.4 基于并行化智能算法的材料大数据处理 | 第60-64页 |
| 4.4.1 基于OpenMP的并行化智能算法优化结果 | 第60-61页 |
| 4.4.2 基于子群划分的并行化粒子群算法优化结果 | 第61-62页 |
| 4.4.3 加入历史信息的并行化粒子群算法优化结果 | 第62-63页 |
| 4.4.4 引入遗传算子的并行化粒子群算法优化结果 | 第63-64页 |
| 4.5 本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第74-76页 |
| 致谢 | 第76页 |
