什么是好的（半）异步算法？

Question

我在数据结构上寻找一些数据并行算法，例如列表或图形，它们不使用同步但是使用关键部分以保持状态一致。

到目前为止，我只遇到了

的算法

• 同步：他们处理他们更改的数据的本地副本，并在某些时间段交换当前状态以进行下一步（例如单步并行本地搜索），或者

• 无竞争条件：他们细分数据结构，以便可以使用共享内存（例如并行Quicksort）单独安全地处理每个部分

你知道任何可理解的（半）异步算法

1. 细分必须由多个处理器单独处理的数据
2. 通过共享内存（例如，通过使用关键部分）交换处理器在每个步骤中生成的一些数据，因此，
3. 只是松散地同步，但不依赖于心跳方案或其他重量级同步措施？

编辑：我正在使用H. T. Kung的技术报告Synchronized and asynchronous parallel algorithms for multiprocessors中的术语。

EDIT2：为了澄清术语，本文区分了不同类型的算法：

• 同步（例如，生命游戏的心跳方法）
• 异步：每个处理器可以主要独立工作，并可以随时通过共享内存将结果传送给其他处理器。然后，通信可能会影响其他处理器中的下一步计算（例如，通过并行二进制搜索在单调会聚区间中找到零函数）
• 半异步/同步：同步发生，但比同步算法更少。

Answer 1

异步：有belief propagation和successive over-relaxation等迭代算法的并行版本，与Life不同，它可以容忍陈旧数据，因此不需要心跳。 （在不是顺序一致的系统上的实际实现可能需要写入障碍。）

半同步：几乎所有具有细粒度锁定的数据结构。通常的想法是仅锁定正在处理的部分（例如，对于二叉搜索树，从根锁定路径，可能使用读写器锁）。

Answer 2

我不确定这是否符合“关于列表或图表等数据结构”的要求，但并行遗传算法可以维持共享的有希望的基因库。一个免费的处理器需要一个并执行一代进化，将更好的结果（以及可能随机选择的劣质遗传多样性）放回池中。