Logo des Repositoriums

Auflistung nach Autor:in "Heenes, Wolfgang"

1 - 3 von 3
  • Konferenzbeitrag
    GCA multi-softcore architecture for agent systems simulation
    (Informatik 2009 – Im Focus das Leben, 2009) Schäck, Christian; Heenes, Wolfgang; Hoffmann, Rolf
  • Konferenzbeitrag
    Hybrid Parallel Sort on the Cell Processor
    (9th workshop on parallel systems and algorithms – workshop of the GI/ITG special interest groups PARS and PARVA, 2008) Keller, Jörg; Kessler, Christoph; König, Kalle; Heenes, Wolfgang
    Sorting large data sets has always been an important application, and hence has been one of the benchmark applications on new parallel architectures. We present a parallel sorting algorithm for the Cell processor that combines elements of bitonic sort and merge sort, and reduces the bandwidth to main memory by pipelining. We present runtime results of a partial prototype implementation and simulation results for the complete sorting algorithm, that promise performance advantages over previ- ous implementations.
  • Zeitschriftenartikel
    Parallelisierung der Dosisberechnung des Bestrahlungsplanungsprogramms TRiP98
    (PARS: Parallel-Algorithmen, -Rechnerstrukturen und -Systemsoftware: Vol. 28, No. 1, 2011) Trautmann, Jan; Krämer, Michael; Bert, Christoph; Heenes, Wolfgang
    Die Dosisberechnung mit dem Bestrahlungsplanungsprogramms TRiP98 ist ein zeitaufwendiger Vorgang. Durch die immer höhere Verbreitung von MulticoreProzessoren erscheint es daher lohnenswert, eine Parallelisierung des Programmcodes zumindest für ausgewählte Funktionen von TRiP98, z. B. die Dosisberechnung, durchzuführen. Es wird ein Überblick über TRiP98 und die im Programm enthaltene Dosisberechnung gegeben und die unterschiedlichen Algorithmen, welche zur Berechnung der Dosisverteilung zur Verfügung stehen, werden kurz vorgestellt. Probleme, welche bei der Umsetzung der Parallelisierung mit OpenMP aufgetreten sind, werden beschrieben und die Lösungsansätze erläutert. Abschließend werden die Implementierungen durch Tests an verschiedenen Patientendatensätzen verglichen. Durch Parallelisierung konnte, in Abhängigkeit von dem jeweiligen Patientendatensatz und dem verwendeten Algorithmus, ein Speedup von bis zu 20,81 ermittelt werden. Weiter wird auf entdeckte Besonderheiten bei den Speedupfaktoren eingegangen.