基于稀疏矩阵解法器库的性能分析模型及优化研究的任务书.docx

基于稀疏矩阵解法器库的性能分析模型及优化研究的任务书
任务书
任务名称：基于稀疏矩阵解法器库的性能分析模型及优化研究
任务背景：随着计算机科学和工程领域的不断发展，解析计算在各个领域都有广泛的应用，如机器学习、计算流体力学、地球物理学等。在这些应用中，矩阵运算的计算成本很高。因此加速矩阵运算有着重要的意义。
稀疏矩阵是解析计算中经常出现的一种特殊矩阵，它的非零元素很少，在解析计算中有很大的优势。因此，在稀疏矩阵的解法器库中加速矩阵运算是非常有意义的。
任务目标：本任务旨在通过优化稀疏矩阵解法器库中矩阵运算的性能，以提升矩阵运算速度，减少运算时间。具体目标如下：
1.实现稀疏矩阵解法器库的基础功能，包括数据结构的设计和实现、稀疏矩阵的存储等功能。
2.进行性能分析，确定瓶颈和低效因素，并制定相应的优化方案。
3.实现优化方案，并进行性能测试，验证优化效果。
4.向社区贡献代码，通过发布论文等方式向学术界介绍优化方案和实现。
任务内容和任务步骤：
1.稀疏矩阵解法器库的设计与实现
1.1确定数据结构
通过研究已有的稀疏矩阵解法器库，分析数据结构的优劣，并根据自己的需求确定数据结构，包括矩阵、向量、稀疏矩阵的存储方式等。
1.2实现基本功能
以数据结构为基础，实现基本功能，包括矩阵乘法、矩阵求逆、矩阵求解、求特征值和特征向量等。
2.性能分析与优化
2.1性能分析
通过profiling工具分析程序的性能，确定瓶颈和低效因素，导出程序运行的热点函数。
2.2优化方案
结合热点函数的特点，提出相应的优化方案。对于不同的热点函数，采用不同的优化手段。例如，考虑数据的布局、使用CPUSIMD指令、OpenMP并行等。
3.实现性能优化
3.1实现优化方案
按照提出的优化方案，修改热点函数的实现，提高计算性能。
3.2性能测试
采用实际的稀疏矩阵数据对程序进行测试，评估程序的性能优化效果。测试的指标包括，程序运行时间、消耗的memory等。
4.发布与贡献
4.1发布代码
将优化后的代码上传到GitHub等源代码管理库，向社区贡献代码。
4.2发布论文
通过撰写优秀的论文，向学术界介绍优化方案和实现，提高代码的可信度，更好的影响学术界和工业界的解析计算技术发展。
任务分配：
1.负责研究稀疏矩阵解法器库，确定数据结构，实现基本功能。
2.负责性能分析，并提出相应的优化方案。
3.负责实现优化方案，进行性能测试。
4.负责发表论文，向社区贡献代码。
任务预算：
1.按照实际情况报销所有开支。
2.每个人的工资根据工作量而定，工作量的衡量标准为代码行数和工作时间。
任务时间表：
任务周期为12个月，具体时间表如下：
月份|任务
---|---
1-2月|讨论任务细节，确定每个人的具体任务。
3-4月|研究稀疏矩阵解法器库，实现基础功能。
5-6月|进行性能分析，提出优化方案。
7-10月|实现优化方案，在不同数据集上进行性能测试。
11-12月|发表论文，向社区贡献代码。
任务评估：
本任务的完成情况将通过以下指标进行评估：
1.稀疏矩阵解法器库的基本功能是否全部实现。
2.程序的性能是否获得了提升，并获得优质的性能测试结果。
3.发表论文的质量和数量。
4.代码的可读性和可复用性。
参考文献：
1.GeneH.Golub,CharlesF.VanLoan.MatrixComputations.TheJohnsHopkinsUniversityPress,2013.
2.TimothyA.Davis.DirectMethodsforSparseLinearSystems,SIAM,2006.
3.YousefSaad.IterativeMethodsforSparseLinearSystems,2nded.SIAM,2000.