1. Majeed A., Rauf I. Graph theory: a comprehensive survey about graph theory applications in computer science and social networks. Inventions, 2020, vol. 5, iss. 1, art. 10. DOI: 10.3390/inventions5010010 EDN: HDLJWD
2. Mondal B., De K. Overview applications of graph theory in real field. IJSRCSEIT, 2017, vol. 2, no. 5, pp. 751-759.
3. Попов А.Ю. О реализации алгоритма Форда-Фалкерсона в вычислительной системе с многими потоками команд и одним потоком данных. Наука и образование: научное издание, 2014, № 9. EDN: TDPOMV
4. Попов А.Ю. Исследование вариантов реализации алгоритмов Крускала и Прима в вычислительной системе с многими потоками команд и одним потоком данных. Наука и образование: научное издание, 2015, № 11. EDN: VDRHNX
5. Ibrahim A.H., Abdelhalim M.B., Hussein H., et al. Analysis of x86 instruction set usage for Windows 7 applications. 2nd Int. Conf. on Computer Technology and Development, 2010, pp. 511-516. DOI: 10.1109/ICCTD.2010.5645851
6. Qian Z., Wei J., Xiang Y., et al. A performance evaluation of DRAM access for inmemory databases. IEEE Access, 2021, vol. 9, pp. 146454-146470. DOI: 10.1109/ACCESS.2021.3123379 EDN: XFQZKC
7. Aananthakrishnan S., Ahmed N.K., Cave V., et al. PIUMA: programmable integrated unified memory architecture. arXiv:2010.06277. DOI: 10.48550/arXiv.2010.06277
8. Aasawat T.K., Reza T., Ripeanu M. How well do CPU, GPU and hybrid graph processing frameworks perform? IEEE IPDPSW, 2018, pp. 458-466. DOI: 10.1109/IPDPSW.2018.00082
9. Zou Y., Lin M. GridGAS: an I/O-efficient heterogeneous FPGA+CPU computing platform for very large-scale graph analytics. FPT, 2018, pp. 246-249. DOI: 10.1109/FPT.2018.00045
10. Lumsdaine A., Gregor D.P., Hendrickson B., et al. Challenges in parallel graph processing. Parallel Process. Lett., 2007, vol. 17, no. 1, pp. 5-20. DOI: 10.1142/S0129626407002843
11. Cormen T.H., Leiserson C.E., Rivest R.L., et al.Introduction to algorithms. MIT Press, 2009.
12. Ahn J., Hong S., Yoo S., et al. A scalable processing-in-memory accelerator for parallel graph processing. ACM/IEEE 42nd ISCA, 2015, pp. 105-117. DOI: 10.1145/2749469.2750386
13. Angizi S., Fan D. GraphiDe: a graph processing accelerator leveraging In-DRAM-computing. GLSVLSI ’19, 2019, pp. 45-50. DOI: 10.1145/3299874.3317984
14. Dysart T., Kogge P., Deneroff M., et al. Highly scalable near memory processing with migrating threads on the emu system architecture. IA3, 2016, pp. 2-9. DOI: 10.1109/IA3.2016.007
15. Gui C., Zheng L., He B., et al. A survey on graph processing accelerators: challenges and opportunities. J.Comput. Sci. Technol., 2019, vol. 34, no. 2, pp. 339-371. DOI: 10.1007/s11390-019-1914-z EDN: SHWGDB
16. Hennessy J., Patterson D. Domain specific architectures. In: Computer architecture. Elsevier, 2017, pp. 540-606.
17. Popov A., Ibragimov S., Dubrovin E. Teragraph heterogeneous system for ultralarge graph processing. In: Voevodin V., Sobolev S., Yakobovskiy M., Shagaliev R. (eds). Supercomputing.RuSCDays 2022. Lecture Notes in Computer Science, vol. 13708. Cham, Springer, 2022, pp. 574-590. DOI: 10.1007/978-3-031-22941-1_42
18. Popov A. An introduction to the MISD technology. Proc. Annual Hawaii Int. Conf. on System Sciences, 2017, pp. 1003-1012. EDN: JNOISJ
19. Попов А.Ю. Принципы организации гетерогенной вычислительной системы с набором команд дискретной математики. Информационные технологии, 2020, т. 26, № 2, с. 67-79. DOI: 10.17587/it.26.67-79 EDN: FHTRNT
20. Попов А.Ю. Применение гетерогенной вычислительной системы с набором команд дискретной математики для решения задач на графах. Информационные технологии, 2019, т. 25, № 11, с. 682-690. DOI: 10.17587/it.25.682-690 EDN: IXIXGM