咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于GPU的大规模多阶段任务系统可靠性并行计算方法 收藏

基于GPU的大规模多阶段任务系统可靠性并行计算方法

Reliability parallel computing method for large phased-mission system based on GPU

作     者:闫华 汪贻生 王锐淇 刘波 郭立卿 肖骅 YAN Hua;WANG Yisheng;WANG Ruiqi;LIU Bo;GUO Liqing;XIAO Hua

作者机构:陆军勤务学院军事物流系重庆401311 

出 版 物:《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期:2019年第41卷第1期

页      面:215-222页

核心收录:

学科分类:08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基  金:国家自然科学基金(71401172) 后勤工程学院学术创新科研启动经费(201103)资助课题 

主  题:多阶段任务系统 任务可靠性 并行计算 图形处理器 一致化方法 

摘      要:针对大规模多阶段任务系统(phased-mission system,PMS)的可靠性求解,引入并行计算思想,通过分析传统的一致化方法(uniformization method,UM),基于Nvidia提出的CUDA(compute unified device architecture)架构,实现了基于图形处理器(graphics processing unit,GPU)的UM并行算法(GPU-UM),并采用合并访问和共享内存技术,提高了GPU中数据负载的利用率;PMS中不同阶段参与任务的设备及其数量通常会发生变化,导致阶段间依赖性处理困难。通过对新设备加入、已有设备暂时退出任务或完全退出任务等3种基本情况的分析,提出了阶段间状态映射机制,实际中的阶段变化情况更加复杂,可综合上述3种基本情况进行处理。通过算例对比了GPU-UM、CUDA-UM、传统UM和Krylov子空间等4种算法的计算时间和可靠性结果,分析表明GPU-UM算法的计算耗时优于其他方法,且结果精度也能满足可靠性计算需求;同时,通过对比分析UM算法和Krylov子空间算法与仿真方法的结果误差,表明提出的阶段间映射机制能够正确处理PMS中阶段间的复杂依赖关系。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分