检索结果-内蒙古大学图书馆

计算机工程 2011年第18期37卷 264-265,268页

作者：胡慧丽陈庆奎庄松林上海理工大学光电信息与计算机工程学院上海200093

针对传统视频清晰度评估方法实时性较差的问题,利用统一计算架构(CUDA)高度并行性的特点,提出一种基于CUDA的3G视频清晰度评估方法。实验结果表明,与传统的视频清晰度评估方法相比,该方法能在保证准确评估视频清晰度的同时缩短算法的执... 详细信息

针对传统视频清晰度评估方法实时性较差的问题,利用统一计算架构(CUDA)高度并行性的特点,提出一种基于CUDA的3G视频清晰度评估方法。实验结果表明,与传统的视频清晰度评估方法相比,该方法能在保证准确评估视频清晰度的同时缩短算法的执行时间,计算速度约是传统串行算法的30倍。

关键词： 3G网络视频清晰度评估并行计算统一计算架构图形处理器

来源：评论

学校读者我要写书评

暂无评论

基于GPU和重分析的车身结构高效优化方法

基于GPU和重分析的车身结构高效优化方法

引用

作者：贺冠强湖南大学

学位级别：博士

数值仿真在汽车车身结构优化设计过程中发挥着重要的作用,但随着结构复杂度的不断增加,计算量大、计算效率低等问题日益严峻,严重制约了数值仿真及优化设计在实际工程中的应用。为提升数值仿真的计算效率,研究人员一方面从数值计算方法... 详细信息

数值仿真在汽车车身结构优化设计过程中发挥着重要的作用,但随着结构复杂度的不断增加,计算量大、计算效率低等问题日益严峻,严重制约了数值仿真及优化设计在实际工程中的应用。为提升数值仿真的计算效率,研究人员一方面从数值计算方法的理论研究着手,开发了诸多快速计算方法,如利用已知结构的解及求解信息去估计修改后结构解的重分析方法,从计算方法上提升计算效率;另一方面,利用并行计算机的硬件优势,通过并行技术对数值仿真进行加速,从而获得更高的计算效率。目前主流的并行算法多建立在以CPU为核心的并行平台上,价格昂贵、维护成本高,难以得到普及使用。此外,由于这类架构多采用粗粒度并行模式,计算节点间的通信与协作机制较为复杂,导致程序开发难度较大。同CPU并行架构相比,图形处理器GPU(Graphics Process Unit)的主要优势在于其拥有强大的浮点运算能力和高存储带宽,且价格低廉。同时,统一计算架构CUDA(Compute Unified Device Architecture)为GPU并行程序开发提供了简单高效的软件开发工具。针对复杂产品设计中大规模计算的客观需求,采用重分析方法虽能提高计算效率,但仍难以满足实际工程问题的计算需求,在同时考虑计算方法和并行技术的前提下,本文建立了以GPU并行重分析为主线的结构优化设计系统。对结构进行单次修改时,提出了具有高精度和高效率特点的GPU并行重分析计算方法;结构概念设计阶段,提出了基于GPU并行重分析的拓扑优化计算方法;结构详细设计阶段,提出了基于GPU并行重分析的多数据分组全局优化算法;为克服单GPU计算能力的限制,建立了基于多GPU平台的并行重分析系统。本文的主要工作和成果如下:(1)针对重分析方法的计算效率瓶颈,提出了GPU并行重分析计算方法,开发了基于GPU平台的并行重分析计算程序,实现了较大规模汽车结构重分析的并行计算。采用线程映射单元、线程映射非零元素两种映射策略,提出了重分析方法中刚度矩阵的并行计算及组装方法;采用对称超松弛方法构建稀疏近似逆矩阵,基于CUDA并行计算平台,提出了重分析方法中矩阵求逆的并行计算方法;采用稀疏近似逆作为预处理算子,开发了重分析方法中方程组的并行求解技术。数值算例表明本文提出的GPU并行重分析方法能够大幅度提升计算效率,并能够满足数值仿真计算的精度要求。(2)提出了基于GPU并行重分析的拓扑优化计算方法,开发了基于GPU并行重分析的结构拓扑优化程序,实现了较大规模汽车结构在GPU上的并行拓扑优化。采用线程映射单元的策略,提出了拓扑优化方法中灵敏度的并行计算方法;采用单元-节点、节点-单元双重过滤策略,开发了基于GPU平台的灵敏度并行过滤技术;为确保拓扑优化过程方法中计算精度和计算效率的有效平衡,提出了拓扑优化过程中是否采用重分析的准则:结构修改度,并根据结构修改度值的大小判断当前迭代步是否采用GPU并行重分析。(3)提出了基于多数据分组的全局优化算法MDEGO(Multiple Data Efficient Global Optimization),解决了高效全局优化算法EGO(Efficient Global Optimization)及基于多代理模型高效全局优化算法MSEGO(Multiple Surrogate Efficient Global Optimization)产生寻优点的瓶颈。MDEGO算法充分考虑多数据分组产生多样性,从而在优化过程的单个迭代步内产生多个寻优点,克服了EGO算法单个迭代步内只产生一个寻优点的瓶颈;与MSEGO算法采用多种代理模型产生多样性的策略不同,MDEGO算法采用多数据分组产生多样性的策略更加简单便捷,在相同的仿真次数内,较MSEGO具有更快的收敛速度。为进一步提高MDEGO算法的计算效率及工程实用性,开发了基于GPU并行重分析以及考虑多数据分组的GPU并行全局优化程序,实现了较大规模汽车结构在GPU上的并行全局优化。(4)针对单GPU上难以进行某些大规模汽车结构重分析计算的瓶颈,提出了多GPU并行重分析计算方法。采用具有良好扩展性的多GPU并行策略,实现了重分析算法中的数据分配、矩阵向量乘、向量点乘等操作的多GPU并行计算;采用预处理共轭梯度法,实现了重分析算法中方程组的多GPU并行求解。为进一步提升程序的计算效率,采用非阻塞通信模式,减少了CPU与GPU之间的数据交换时间。并在此基础上,提出了基于多GPU并行重分析的拓扑优化计算方法和全局优化计算方法,开发了多GPU并行重分析及其结构拓扑优化和全局优化程序,能有效求解单GPU不能处理的大规模计算问题。

关键词： GPU 统一计算架构并行重分析拓扑优化高效全局优化

来源：评论

学校读者我要写书评

暂无评论

基于GPU的车身结构接触碰撞过程并行计算方法

基于GPU的车身结构接触碰撞过程并行计算方法

引用

作者：蔡勇湖南大学

学位级别：博士

汽车车身结构接触碰撞过程有限元计算是汽车CAE的重要组成部分，主要涉及汽车碰撞和车身覆盖件成形等工程问题分析，在力学上涉及到材料非线性、几何非线性和接触界面的边界非线性三类非线性问题，经常面临着数值计算量庞大，计算效率... 详细信息

汽车车身结构接触碰撞过程有限元计算是汽车CAE的重要组成部分，主要涉及汽车碰撞和车身覆盖件成形等工程问题分析，在力学上涉及到材料非线性、几何非线性和接触界面的边界非线性三类非线性问题，经常面临着数值计算量庞大，计算效率低的问题，因而实际应用中对并行计算的需求十分强烈。目前常见的有限元并行计算方法多采用区域分解等粗粒度并行策略，在以CPU为计算核心的网络计算机集群上运行，计算效率与计算机节点数直接相关，使用流程复杂且需要昂贵的硬件支持，因此这种并行计算方法的性价比不高。现代的图形处理器(GPU)是一种内部高度并行的众核处理器，浮点计算能力远高于同时期CPU的运算能力。可编程着色器的出现，使得GPU具有了通用处理器的特征，并开始应用于通用计算领域，为大数据处理和数值模拟研究带来了新思路和方法。最初的基于GPU的通用计算技术(GPGPU)采用Cg等高级着色语言编程，并已经应用于各类有限元计算，但是，由于这一时期的GPGPU技术只支持单精度计算，数据传输效率也不高，导致有限元GPU并行计算的精度低且效率提升有限，工程应用局限性大。统一计算架构(CUDA)的出现，带来了高效、直观的GPU并行程序开发工具，基于CUDA架构的GPU并行计算方法具有计算硬件成本低，计算程序开发简单等特点。本文以工程应用需求为指导，采用CUDA架构研究高精度和高效率的显式有限元细粒度并行计算方法，以及全流程细粒度执行的并行接触算法，最终实现在普通个人计算机上进行汽车车身碰撞仿真和薄板冲压成形仿真两类大规模非线性有限元的快速并行计算。本文的主要工作和成果如下： (1)考虑到非线性显式有限元天然的可并行性以及GPU的轻量级线程执行模式，开发了具有自主知识产权的基于GPU的显式有限元计算平台(发明专利受理号：201210266435.1)。其主要特点在于：建立了线程与单元、线程与节点、线程与自由度三种层次的抽象映射方法，使显式有限元计算与GPU线程完美融合。同基于网格分区的粗粒度有限元并行策略相比，该细粒度并行策略没有任何前处理过程，在单块显卡也不存在边界数据处理问题，能够大幅度提升计算效率。因此，可以很方便的实现节点速度、位移计算等显式有限元绝大部分流程在GPU上的高效并行计算。 (2)针对单元计算中节点应力组装在GPU平台上难以并行化的技术瓶颈，提出了预索引并行应力组装策略，实现了BT四边形单元和EST三角形单元两种壳单元在GPU上的细粒度并行。提出了GPU上基于并行缩减算法的时间步长等单值并行求解方法。实现了显式有限元算法在GPU上的全过程计算，减少了GPU与CPU间数据交换的同时，使程序的计算效率达到最佳化。通过对板壳非线性问题计算表明，该算法的GPU并行计算结果与原串行算法在CPU中计算的结果完全一致，与同时期同价格的CPU相比，计算效率有明显的提升。在GTX580显卡上采用EST单元进行185万个自由度的弹塑性大变形问题求解时，可以达到近37倍的计算加速比。 (3)接触碰撞有限元分析中，接触算法需占用70%以上的计算时间，为此，本文提出了包含并行级域接触搜寻算法、并行防御节点接触力计算方法和并行罚函数接触力计算方法在内的全流程GPU执行的细粒度并行接触算法。级域算法是一种适用于复杂自接触问题的高效搜寻算法，其同一级内接触块的计算独立性也符合GPU细粒度计算的要求。本文提出了线程与接触块一一映射策略、GPU并行排序以及提升GPU线程计算粒度等技术手段，实现了测试对在GPU上的并行搜寻。在接触对搜寻阶段，本文提出了线程与测试对间的映射策略以实现同一级内接触对的并行搜寻，并采用计算后排序的策略进行上一级与下一级间的数据交换。在接触力计算阶段，本文采用线程与接触对间的映射策略给出了穿透量和接触力细粒度并行计算方法，并采用原子操作来实现接触力的离散。最后，基于自主开发的碰撞仿真软件DYSI3D开发了基于GPU的碰撞过程计算机仿真并行计算软件CPS-GPU(软件著作权编号：2011SR001966)。采用该软件在GTX580显卡上进行177万个自由度的白车身碰撞计算时，可以取得20倍左右的计算加速比。 (4)本文提出了完整的薄板冲压成形GPU并行计算方法。针对薄板冲压成形对材料流动模拟要求高的有限元计算特征，提出了包含复杂材料本构计算的单元GPU并行计算技术以及考虑摩擦的接触力GPU并行计算方法。本文提出了一体化接触搜寻算法在GPU上的计算策略：引入了计算机图形学中用于实时碰撞检测的广域搜寻方法来完成测试对搜寻，并在建立了相邻接触块信息的前提下，给出了接触后搜寻中接触对细粒度并行更新方法。在自主开发的薄板成形仿真软件CADEMII软件的基础上，开发了基于GPU的板料成形并行计算软件CADEM-GPU(软件著作权编号

关键词：图形处理器统一计算架构并行有限元接触/碰撞板料成形

来源：评论

学校读者我要写书评

暂无评论

基于CUDA海量空间数据实时体绘制研究

引用

计算机工程与设计 2012年第2期33卷 688-694页

作者：俞洲孟新彭晓东中国科学院空间科学与应用研究中心北京100190

针对海量空间科学数据的精细及实时三维绘制需求,提出并实现了一种基于CUDA语言的并行化光线投射体绘制加速算法,利用传统体绘制算法中光线投射法的可并行特点和GPU中高速的纹理查询的优点,通过一个实际坐标到纹理坐标的转换函数实现了... 详细信息

针对海量空间科学数据的精细及实时三维绘制需求,提出并实现了一种基于CUDA语言的并行化光线投射体绘制加速算法,利用传统体绘制算法中光线投射法的可并行特点和GPU中高速的纹理查询的优点,通过一个实际坐标到纹理坐标的转换函数实现了对不规则采样数据的准确采样,并完成了绘制算法的CUDA并行化改造,通过CUDA语言利用GPU强大的并行计算能力实现了对海量空间数据的实时三维光线投射绘制。

关键词：光线投射法不规则体数据纹理映射统一计算架构实时体绘制

来源：评论

学校读者我要写书评

暂无评论

实时多车道车辆计数方法

引用

计算机工程与设计 2019年第5期40卷 1383-1389页

作者：王超陈庆奎上海理工大学光电信息与计算机工程学院上海200093

为智能检测多车道车辆数目,提出一种实时多车道车辆计数方法。利用运动车辆完成整个车道区域提取排除非车道区域的干扰,在道路背景重建得到无车辆遮挡的道路背景后完成车道线检测和拟合,得到多车道区域;在此基础上,通过提取车尾灯红色... 详细信息

为智能检测多车道车辆数目,提出一种实时多车道车辆计数方法。利用运动车辆完成整个车道区域提取排除非车道区域的干扰,在道路背景重建得到无车辆遮挡的道路背景后完成车道线检测和拟合,得到多车道区域;在此基础上,通过提取车尾灯红色区域并建立相应的匹配规则匹配成对车尾灯,解决车辆并排同速问题,完成车辆计数的任务,实现多车道车辆计数。在CUDA平台下使用图像处理器(GPU)NVIDIA GTX680显卡对算法进行加速,可以达到28ms/帧的处理速率,验证了算法的实时性。

关键词：智能检测多车道区域背景重建匹配规则统一计算架构

来源：评论

学校读者我要写书评

暂无评论

基于图形处理器的高速并行算法研究

基于图形处理器的高速并行算法研究

引用

作者：祖渊中国科学技术大学

学位级别：博士

最早为图形渲染而专门设计的图形处理器(GPU),因其越来越强大的浮点运算能力和大规模并行处理能力,时至今日在通用计算领域也得到了广泛的应用,并且在科学计算领域获得了极大成功。GPU通用计算已成为当前工业界和学术界的研究热点。面... 详细信息

最早为图形渲染而专门设计的图形处理器(GPU),因其越来越强大的浮点运算能力和大规模并行处理能力,时至今日在通用计算领域也得到了广泛的应用,并且在科学计算领域获得了极大成功。GPU通用计算已成为当前工业界和学术界的研究热点。面对急剧增长的网络流量和包处理复杂度,网络设备面临越来越大的计算压力,利用GPU提高网络设备的处理能力成为GPU通用计算又一个新的应用领域。然而与科学计算领域以计算密集型问题为主、数据并行性易于利用不同,网络计算领域以访存密集型和I/O密集型任务为主,且数据并行性难以挖掘和利用。将GPU应用于网络处理领域需对既有算法进行并行化再设计,使之适应GPU的体系结构,以充分利用GPU的大规模并行计算能力。本论文选择正则表达式匹配和数据无损压缩两个尚未有效解决的问题,研究它们在GPU上的高效实现方法。正则表达式匹配无论是用硬件还是软件、在CPU上还是在GPU上实现,都面临难以调和的时空两难问题。基于DFA的正则表达式匹配速度快,但存在空间爆炸的问题；基于NFA的正则表达式匹配空间复杂度低,但匹配速度也慢。论文在深入研究GPU架构特点及NFA特征的基础上,提出一种高效的NFA实现方法。无损数据压缩无论是采用基于字典的压缩技术还是基于统计的压缩技术,数据压缩操作的数据间依赖性都很强,数据并行性难以挖掘和利用,GPU特有的单指令流多数据流并行执行模式又进一步增加了并行化的难度。论文研究以上两种压缩技术的代表性算法-基于字典的LZSS压缩算法和基于统计的哈夫曼编码算法在GPU上的高效实现,并在此基础上完成了基于这两种技术的Deflate数据压缩算法的并行化。论文的主要贡献和创新点如下：1针对正则表达式匹配的时空两难问题,论文以空间复杂度最低的NFA作为正则表达式匹配的基础实现,通过引入状态兼容组、兼容超级组、虚拟NFA状态等概念优化线程的任务分配,并通过数据包交织存储、全局存储器归并访问等技术提高线程的访存效率,实现了正则表达式匹配在GPU上的高效实现。该工作首次解决了正则表达式匹配的时空两难问题,在获得10Gbps匹配速度的同时仍然保持算法的线性空间复杂度。2针对基于字典的无损数据压缩算法LZSS在GPU上并行化程度低的问题,本文以哈希表作为字典的基础实现,通过精巧的数据结构及算法设计有效解决了并行化LZSS算法中最困难的线程串行化问题,并显著减少了对GPU计算资源的使用。该项工作在压缩率和压缩速率两个方面都明显优于目前在GPU上加速LZSS算法的最好工作。3本文在Deflate无损数据压缩算法的上下文中研究哈夫曼编码算法在GPU上的并行化,通过精巧的算法设计和CUDA原子操作有效解决了直方图计算、哈夫曼树构建和变长编码的并行化问题。该工作系首次在GPU上完成了Deflate算法的并行化实现,在压缩率接近Deflate算法的同时,压缩速率超过四核CPU上的Deflate算法实现。本文工作在高效实现正则表达式匹配和无损数据压缩在GPU上并行化的同时,也为其它算法在GPU上的高效实现提供了方法性指导及技术参考。

关键词：正则表达式匹配非确定性有限状态自动机无损数据压缩 LZSS 哈夫曼编码 Deflate 统一计算架构图形处理器

来源：评论

学校读者我要写书评

暂无评论

实时双目立体匹配算法研究与实现

实时双目立体匹配算法研究与实现

引用

作者：陈彬武汉科技大学

学位级别：博士

双目立体视觉是获得现实场景深度信息的一个重要手段，是计算机视觉领域一个备受关注的研究课题，在机器人视觉与自主导航，三维测量与三维重建以及自动驾驶等领域有着广泛的应用。双目立体匹配旨在利用像素匹配方法确定双目视觉系统获... 详细信息

双目立体视觉是获得现实场景深度信息的一个重要手段，是计算机视觉领域一个备受关注的研究课题，在机器人视觉与自主导航，三维测量与三维重建以及自动驾驶等领域有着广泛的应用。双目立体匹配旨在利用像素匹配方法确定双目视觉系统获取的左右两目图像中各像素间的对应关系，以便确定拍摄物体的深度信息，是双目立体视觉研究的一个核心且极具挑战性的课题。随着双目立体匹配研究的深入，目前实时化已成为该课题的研究方向和热点。本文从算法设计与实时实现两方面着手对实时双目立体匹配问题展开研究，一方面对具有较低算法复杂度且具备较高匹配质量的双目立体匹配算法展开研究和设计；另一方面依托本文提出的匹配算法对基于GPU并行计算平台上的实时实现方法展开深入探索；最终，达到了有效解决双目立体匹配实时化的目标。主要研究内容如下： 1.提出了一种实时非对称线性双目立体代价聚合方法。在分析线性双目立体代价聚合算法原理的基础上，本文利用非对称代价聚合方法对线性双目代价聚合算法的计算过程进行简化，并采用鲁棒性更强的TAD匹配代价函数以弥补简化所带来的精度不足，使得最终的代价聚合过程在保证了与原算法相当的匹配质量的同时大幅降低运算复杂度。最后，本文将非对称线性代价聚合算法的计算过程并行化，并映射到GPU并行计算平台上。实验结果表明，本文提出的实时非对称双目代价聚合算法在提高匹配准确度的同时提升了聚合效率，满足了实时性需求。 2.提出了一种递归边缘保持型双目立体匹配算法。本文将一种基于域变换理论的递归边缘保持滤波器技术引入到双目立体代价聚合过程中，实现了一种具有常数算法复杂度的代价聚合方法，并围绕该代价聚合方法设计了一整套包括预处理、代价计算、代价聚合及其后处理的双目立体匹配算法。实验数据表明，递归边缘保持型双目立体匹配算法能够在常数运行时间内获取视差图，且视差图的质量接近或优于某些处于研究前沿的全局匹配算法，在实时双目视觉领域有着良好的应用前景。 3.提出了一种实时并行递归边缘保持型双目立体代价聚合方法。鉴于本文提出的递归边缘保持性双目立体匹配算法的计算复杂度为常数且具备良好的匹配质量等特点，本文依托CUDA并行计算框架，将该匹配算法最为核心且最为耗时的部分，即递归边缘保持型立体代价聚合，映射到GPU并行计算平台上，以满足双目立体匹配的实时性需求。与其他实时双目立体代价聚合算法相比，通过本文的并行映射，最终递归边缘保持代价聚合的运行效率有了大幅度的提升，在实时双目视觉系统中有更为明显的优势。 4.提出了一个适应于实时条件下的视差优化框架。为进一步提高双目立体匹配过程的匹配准确度，并切合实时性研究目标，本文构建了一个基于GPU并行计算平台的视差优化流水线。该流水线由多个相对简单，速度较快的优化方法组成，其中各个优化方法取长补短，相互协作，对各类误码都有良好的校正效果，且实时性能优异。最后，通过实验对本文的实时双目立体匹配的研究结果进行验证与总结。结果表明，最终的匹配精度和视差图质量接近于目前该领域的前沿水平且运行效率亦能满足实时性要求。总之，通过上述工作，本文对实时双目立体匹配问题进行了深入的研究，从匹配代价计算、代价聚合到视差优化，本文都提出了相应的实时、高效的解决方法。通过本文提出的方法，不仅能提高双目立体匹配的准确率获得高质量的视差图，还能保证良好的实时特性。本文的研究成果在基于通用PC平台的实时双目视觉的应用领域有着广泛的应用前景。

关键词：双目视觉立体代价匹配实时 GPU通用计算统一计算架构

来源：评论

学校读者我要写书评

暂无评论

图形处理器平行计算技术应用于影像处理及空间桁架结构最佳化之研究

图形处理器平行计算技术应用于影像处理及空间桁架结构最佳化之研...

引用

作者：陆勇奇国立交通大学

学位级别：博士

本研究针对目前支援统一计算架构(Compute Unified Device Architecture, CUDA)的图形处理器(GPU)，以平行计算技术发展出加速数位影像相关法分析技术之系统，并在空间桁架结构尺寸设计最佳化的问题使用强化粒子群最佳化(AugPSO)演算法... 详细信息

本研究针对目前支援统一计算架构(Compute Unified Device Architecture, CUDA)的图形处理器(GPU)，以平行计算技术发展出加速数位影像相关法分析技术之系统，并在空间桁架结构尺寸设计最佳化的问题使用强化粒子群最佳化(AugPSO)演算法，结合CUDA平行技术增进系统计算效能。对于影像处理的部份，本研究提出一个蜂巢三角特殊图案(Hive Triangle Pattern, HTP)，将其涂布于实验结构体之部分表面，使撷取之数位影像能够呈现出更显着的像素差异性，进而达到增强数位影像相关法(Digital image correlation)的辨识能力，也使得次像素(sub-pixel)分析的结果更加准确。另外，借由六点参考值(Six Pixels Reference, SPR)演算法，可分析HTP图案中心位置及大小，以获得更适用的影像区块。AugPSO则是利用二个特殊的策略，使得最佳化过程可以更快速收敛到更好的粒子解，又避免粒子过度同质化。这二个策略即为：边界偏移(Boundary-shifting)和粒子位置重设(Particle position resetting)，前者根据安全限制条件中的位移和应力，比对目前粒子解的分析结果，将粒子的断面积快速移动到靠近边界的位置；后者则是当粒子靠近目前最佳解附近时，对于符合特定机率的粒子，重新改变粒子的位置，可避免粒子群过度集中，使其从群聚范围内跳脱到范围之外，而达到避免同质化的效果。将三层楼简易构架安置于小型振动台进行地震模拟，再使用高速相机撷取该简易构架每个时间步幅的数位影像，涂布于其表面的HTP图案亦随之摇摆变化，而其位移的变化就隐藏于这些影像之中。快速而准确地求得这些历时位移变化曲线，即为所有振动台实验量测之最终目的。经由实验分析所得之位移资料，和LVDT位移计的量测数据比较，其频率相对误差仅有0.07%，而位移的均方根误差只有0.0205cm，显示结合HTP和数位影像相关系数法的影像分析确实可获得理想的答案。分析过程中的相关系数计算乃是整个影像处理过程最耗时的部份，而每一个目标影像与原始影像之间的相关系数计算可视为各自独立无关，因此，不管是平行计算技术中的OpenMP或者本研究主攻的CUDA，与循序计算相较，分别能够达到11.79倍和71.57倍的效能。强化粒子群最佳化在常见的桁架benchmark问题中，都能够更快速获得更好的粒子解，而在二组大型高塔桁架结构的演算结果，也是具有相同的结果，完全表明AugPSO确实是一个具有快速收敛，而又能够获得更佳粒子解的最佳化演算法。在此演算法中的每个粒子，执行的结构分析行为基本上与其他粒子并无直接相关，亦即可将数个粒子予以平行化来达到计算效能提升之目的。尤其是根据数值分析，桁架结构设计最佳化的计算过程，矩阵运算求解节点位移的计算时间占了绝大部分，约占全部计算过程的98%，因此若能将此部分平行处理，必能获得相当好的效能。然而，矩阵求解的运算过程，例如：高斯消去法，并不像是矩阵相乘那么单纯而又易于平行化。以矩阵相乘的最佳实验结果，与循序计算可以高达将近1400倍的效能差异，但是，经过本研究尝试将高斯消去法的矩阵运算，以CUDA平行化后之效果，仅能达到大约7.8倍的效能，也就是大约为GPU串流多处理器(SM)数量的一半。不过，这样的效能增长并非固定不变，而是随着矩阵尺度规模的增加而有所提升。这也与GPU的设计架构相符合，整体的数据资料量愈大，GPU能够提升的效能也随之增高。在现今巨量数据的资讯时代，利用GPU的巨量计算核心发展更快速适用的平行计算系统，必将成为一个无法避免的趋势，也是本研究后续的重点发展方向。

关键词：统一计算架构图形处理器蜂巢三角特殊图案数位影像相关法六点参考值演算法强化粒子群最佳化边界偏移

来源：评论

学校读者我要写书评

暂无评论

药物分子对接优化算法及在云平台中的应用

药物分子对接优化算法及在云平台中的应用

引用

作者：李正夫大连理工大学

学位级别：博士

药物分子设计作为一种新的药物研究方法和手段,已经取得了很多理论与实际的研究发现。随着用于解释生物大分子的结构和功能的理论的不断发展和成熟,药物分子设计的理论和方法也在不断的深化与发展。计算机辅助药物设计是将药物分子设计... 详细信息

药物分子设计作为一种新的药物研究方法和手段,已经取得了很多理论与实际的研究发现。随着用于解释生物大分子的结构和功能的理论的不断发展和成熟,药物分子设计的理论和方法也在不断的深化与发展。计算机辅助药物设计是将药物分子设计与飞速发展的计算机技术相结合的一个新的交叉研究领域,有效地推动了药物分子设计的进一步发展。目前,计算机辅助药物设计已经成为进行新药探索的一种实用手段,可有效的降低药品的研究费用。分子对接方法是使用计算机技术来模拟配体与受体的相互作用与结合过程,是计算机辅助药物设计中非常重要和实用的一种研究方法。云计算是并行计算、分布式计算和网格计算的进一步整合和发展,是一种深度基于互联网的计算方式。通过云计算技术,可以把原来只能在本地使用的软件和服务扩展到互联网上,极大的方便了用户的使用。CUDA (Compute Unified Device Architecture)一种通用的并行计算架构,该架构使价格相对低廉的GPU (Graphic Processing Unit)也可以进行复杂的科学计算等工作。鉴于诸多的优势,云计算和CUDA并行计算都已成为目前的研究热点问题。本文的主要研究内容包括： (1)提出了一种使用k均值聚类方法划分残基集团和基于知识打分方法KScore的药物分子对接算法。对受体活性位点处的残基使用k均值聚类方法进行基团划分,通过对这些基团的运动考察来近似反映受体分子发生的柔性构象变化。使用KScore评分方法对构象的结合情况进行评分,使用信息熵遗传算法对优化模型进行迭代求解。仿真数值实验的结果表明,此方法对于测试集的平均对接时间较短,相比于其他流行对接方法而言其计算速度最快,并且其对接精度也相对较好。 (2)提出了一种基于多种评分函数的自适应药物分子对接算法。算法的评分函数选用基于力场、基于经验(抽取疏水和熵变)和基于知识作为评分贡献项,建立自适应对接优化模型对问题进行优化描述,使用信息熵多种群遗传算法对优化模型进行求解。此方法对多种打分贡献项进行自适应地综合评定,其评价结果更为准确和全面,同时避免了对训练集的过度依赖。对比于其他主流软件和方法而言,此方法对于测试集的测试结果的平均RMSD值非常小,在参评的对接方法中为精度最优方法。 (3)对于信息熵多种群遗传算法和分子对接中的受体评分网格生成算法需要较多计算时间的问题,提出了基于CUDA架构基础的并行算法。实现了信息熵遗传算法的遗传算子、惩罚函数和空间收缩因子等的并行计算。充分分析和挖掘受体评分网格算法的并行因素,结合GPU计算特点,进而提出了受体评分网格生成并行算法。实验结果表明,并行优化后的算法对比原算法具有较高的计算效率。 (4)为了有效整合计算生物学应用,提高软硬件资源的利用率和有效降低资源的使用难度,在基于前期网格相关工作的基础上,构建了面向服务的计算生物学云社区平台。针对本平台服务对象和自身资源特点等情况,提出了四层云框架结构并应用于云平台的建设。整合了课题组相关科研成果(包括本文相关成果),在进行资源虚拟化和应用服务化之上,以互联网方式对用户提供便捷而高效的使用平台。用户可在平台上进行包括分子对接和虚拟筛选等计算生物学相关工作,还可根据特定需求进行相关应用的流程化组织等。

关键词：分子对接遗传算法云计算统一计算架构计算生物学

来源：评论

学校读者我要写书评

暂无评论

基于CUDA的SKINNY加密算法并行实现与分析

引用

计算机应用 2021年第4期41卷 1136-1141页

作者：解文博韦永壮刘争红广西密码学与信息安全重点实验室(桂林电子科技大学) 广西桂林541004 广西无线宽带通信与信号处理重点实验室(桂林电子科技大学) 广西桂林541004

针对SKINNY加密算法在中央处理器(CPU)下实现效率偏低的问题,提出一种基于图形处理器(GPU)的快速实现方法。首先,结合SKINNY算法的结构特征提出优化方案,将5个分步操作优化整合为1个整体运算;然后,分析该算法的电子密码本(ECB)模式和计... 详细信息

针对SKINNY加密算法在中央处理器(CPU)下实现效率偏低的问题,提出一种基于图形处理器(GPU)的快速实现方法。首先,结合SKINNY算法的结构特征提出优化方案,将5个分步操作优化整合为1个整体运算;然后,分析该算法的电子密码本(ECB)模式和计数器(CTR)模式的特性,并给出并行粒度、内存分配等并行设计方案。实验结果表明,与传统的CPU实现方法下的SKINNY算法相比,基于计算统一设备架构(CUDA)实现的SKINNY算法的效率和吞吐量得到很大提升。具体来说,当处理的数据达到16 MB及以上时,在所提实现方法下,SKINNY算法的ECB模式的加速效率提升峰值为99.85%,加速比峰值为671,CTR模式的加速效率提升峰值为99.87%,加速比峰值为765;而与已有AES-256(ECB)和SKINNY_ECB并行算法比较,新提出的SKINNY-256(ECB)并行算法的吞吐量分别是它们的吞吐量的1.29倍和2.55倍。

关键词： SKINNY密码算法并行计算统一计算架构图形处理器电子密码本模式计数器模式

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：