为提高大数据平台下大规模图例的最大团问题求解效率，提出一种基于并行约束规划的最大团识别算法通过BMT图划分策略将一个复杂图例分割为若干个可独立计算的子图，并将其分配给 Spark集群中的计算节点每个

多重网格是数值计算领域中一种加速迭代收敛的重要技术，被广泛应用。近年来，大规模并行计算系统向多核化、异构众核化发展，多重网格应用也亟须适应新的并行计算平台。文中采用一种数据驱动的任务

提出了基于区块并行的以太坊数据快速导岀工具Geth- query，通过分析以太坊内部机制，利用区块世界状态快照消除区块之间的依赖关系，优化本机资源利用效率并行重放区块，实现了快速而全面地提取以太坊链上数据。实验证明，

步数多，迭代时间长的问题。为此提出了声子BTE方程迭代求解部分在GPU上的并行加速方案，并适当的线程分配方式及数据存储格式，采用循环展开和内核融合等优化手段对迭代过程进行并行加速此外，采用基于角方向的

线程级推测（TLS）技术的有效运用可提高多核芯片的硬件资源利用率，其已在多种串行应用的自动并行化工作中取得了较好效果，但目前缺乏对HPEC应用子程序级线程推测方面的有效分析。针对该问题，设计子程序级