本文選題：計算機軟件 + Bellman-Ford算法��； 參考：《吉林大學學報(工學版)》2015年05期

【摘要】：提出了一種面向GPU的性能可移植的并行歸約求極值優(yōu)化算法和全局訪存優(yōu)化算法,對Bellman-Ford算法進行并行化改造,以解決不同類型GPU設備上都存在的并行粒度不足和全局內存訪問不連續(xù)等問題。實驗結果表明:本文的優(yōu)化算法在NVIDIA和AMD的多款GPU設備上都取得了很好的效果,經(jīng)本文算法優(yōu)化后的程序性能較原始GPU并行版本提升3~6倍。
[Abstract]:In this paper, a parallel reduction extremum optimization algorithm and a global memory access optimization algorithm for GPU are proposed, which can transform the Bellman-Ford algorithm into parallelization. In order to solve the problems of parallel granularity deficiency and global memory access discontinuity on different types of GPU devices. The experimental results show that the proposed optimization algorithm has achieved good results on both NVIDIA and AMD GPU devices, and the performance of the program optimized by the proposed algorithm is 3 times higher than that of the original GPU parallel version.
【作者單位】： 吉林大學計算機科學與技術學院;中信證券有限公司;中國科學院計算技術研究所;
【基金】：吉林省重大科技攻關項目(20130206052GX) “863”國家高技術研究發(fā)展計劃項目(2012AA010902) “973”國家重點基礎研究計劃項目(2011CB302500)
【分類號】：TP332;TP301.6

【相似文獻】

相關期刊論文 前3條

1 徐俊波;王慧強;馮光升;呂宏武;田蘇梅;;Bellman動態(tài)規(guī)劃的服務恢復方法[J];哈爾濱工程大學學報;2011年06期

2 劉立平;陳s，

本文編號：1833516