Algorithms and Parallel Computing

Texto técnico y universitario que aborda la brecha existente entre el potencial del hardware multinúcleo contemporáneo y las técnicas tradicionales de desarrollo de software, presentando metodologías formales para mapear algoritmos secuenciales sobre arquitecturas de computación paralela. Escrito por Fayez Gebali como parte de la serie sobre computación paralela y distribuida de Wiley, se sitúa en un nivel intermedio a avanzado y requiere conocimientos sólidos previos en arquitectura de computadores, diseño de algoritmos, álgebra lineal y programación en lenguajes de sistemas como C o C++.

La obra enseña a representar y clasificar algoritmos según sus dependencias de datos y tareas, diferenciando algoritmos secuenciales, paralelos iterativos regulares y paralelos no secuenciales (NSPAs) mediante grafos dirigidos de dependencia y matrices de adyacencia. Examina las leyes de escalabilidad y rendimiento de Amdahl y Gustafson-Barsis, la jerarquía de memoria compartida, coherencia de caché, protocolos de consistencia y topologías de redes de interconexión (malla, anillo, matriz cruzada y redes multietapa). Asimismo, revisa plataformas de concurrencia como OpenMP, NVIDIA CUDA y Cilk++, e introduce técnicas de análisis formal basadas en la transformada Z y geometría computacional tridimensional (cascos convexos y matrices de dependencia) aplicadas a casos de estudio reales: filtros digitales IIR 1D/2D/3D, diezmadores e interpoladores multirruta, coincidencia de cadenas y algoritmos de estimación de movimiento por bloques (FBMA) para compresión de video.

El libro propone un entrenamiento riguroso mediante problemas y ejercicios analíticos al final de cada capítulo, destinados a calcular transformaciones de bucles, planificar tareas paralelas y detectar ciclos en grafos de dependencia, prescindiendo del desarrollo de una aplicación informática comercial completa. Su principal valor radica en proporcionar una base matemática y formal que enseña al desarrollador a razonar sobre la paralelización a nivel algorítmico y de dependencias antes de escribir una sola línea de código, evitando errores sutiles de sincronización y contención. Deja fuera los frameworks modernos de computación distribuida en clúster o en la nube como Hadoop o Spark. Resulta una lectura idónea para ingenieros de sistemas embebidos, procesamiento de señales y computación de alto rendimiento.