一种基于共享存储的叠前深度偏移并行算法

为了解决叠前深度偏移计算量巨大这个问题,人们投入了很大精力来开发高效的并行算法.就此,在对一些相关并行算法进行分析之后,根据三维叠前Kirchhoff深度偏移的特点,提出了一种基于共享存储的简化并行算法.其中Slave进程直接存储和读取射线旅行时,消息传递总量显著减少;同时合理地结合"任务池"技术与粗粒度级并行,前者确保动态负载平衡,后者使得Slave与Master之间的通信开销尽可能小.实际数据的测试结果表明,此并行算法高效且可扩展性较好