GPU CPU谁革谁的命？

随着3D游戏及高清视频的普及,计算机渴望获得更强的图形处理能力。这导致CPU（中央处理器）厂商和GPU（图形处理器）厂商在不断提升自己产品性能的同时,也开始向对方领域渗透。 近日,英特尔,AMD等中央处理器生产商蠢蠢欲动,意在推出整合GPU的处理器,而显卡龙头厂商NVIDIA则指出英特尔集成显卡性能不足其独立显卡性能的1/10,同时开始探讨“将原本属于CPU的数据处理功能搬到GPU上”,对以往一直以CPU为核心的电脑数据计算体系发起挑战。 这是一场由来已久的纷争,究竟谁能吞并谁？人们将试目以待。     

求解旅行商问题的并行计算平台设计与实现

为有效提高混合优化算法对大规模旅行商问题实例的计算效果,开发了并行算法,提供了一个可视化并行计算平台.该平台可实现批量实例计算,调用Java相应的包实现SSH2协议,利用远程Linux命令实现任务提交,获取计算结果数据流,连接Excel实现计算结果统计,并将结果可视化.仿真结果表明:该方法可行,且性能优于相应的串行算法.     

基于嵌入式eCos多核平台的OpenMP并行算法的研究

当前嵌入式多核处理器的应用越来越普遍,如何提高嵌入式多核系统的并行计算效率已经成为嵌入式并行计算的核心问题。讨论了基于嵌入式eCos系统多核平台的OpenMP并行计算,设计实现了基于嵌入式平台的OpenMP运行库。实验结果分析表明,在嵌入式eCos系统多核平台上进行OpenMP并行计算可以成倍提高应用程序在嵌入式的运行性能。     

多天线系统宽度优先球形译码的云检测算法

提出一种多天线系统宽度优先球形译码的检测算法,该算法通过适当地分割,将搜索树分成几个组,每个组可分别分配给不同的计算节点,以适应云计算的结构需要.仿真实验结果表明:该算法以少许性能损失为代价,获得并行计算的结构处理能力,大幅度地减少了云中的计算处理时间,提高了效率.当误码率为1×10-3时,改进算法相比原算法在16QAM时性能下降大约0.7dB,在64QAM时下降不到0.1dB,计算处理时延则分别为25%或12.5%.     

可变旋转轴的Grover改进算法

为提高Grover算法的搜索效率,基于量子并行计算原理,提出了一种改进型的量子搜索算法.该算法在保证搜索成功概率的前提下,能将计算的迭代次数降低到Grover算法的1/3.理论推导和模拟仿真结果表明,该算法能明显降低计算量.     

高维空间范围查询并行算法研究

采用并行技术提出一种高维空间范围查询并行算法,该算法将d维空间范围查询转换成d个从节点机上的一维空间范围查询,d个从节点机可以并行执行查询操作,主节点机只需要求得d个从节点机返回结果的交集,因此大大减少了查询时间.实验结果表明在高维空间中算法的查询效率优于上述算法.     

基于CPU-GPU异构机群的FDTD并行算法加速研究

时域有限差分法(FDTD)求解电磁学中麦克斯韦方程组是科学与工程计算中一个非常重要的算法.通过对FDTD求解麦克斯韦旋度方程的直接时间域的分析,给出其基于多个GPU组成异构机群系统上的并行加运算法,用OpenCL、CUDA和MPI编程模型实现了并行程序.在目前的主流NVIDIA和ATI的GPU平台上,加速的并行FDTD程序相对CPU串行程序和8个CPU核的MPI并行程序,分别获得了超过8倍和1.5倍的加速,并在多个GPU卡上获得了接近线性加速的扩展性能.     

一种基于多摄像头的大场景远程实时监控系统

为了满足对大场景进行监控的需求,设计了一种基于多摄像头的远程实时监控系统.系统主要由视频采集、网络传输、远程图像拼接与显示3个部分组成.视频采集部分以FPGA为处理器,通过控制TW2867视频解码芯片实现4路视频同时采集;网络传输部分通过控制千兆以太网收发芯片RTL8211EG,并采用UDP协议实现了视频数据到上位机的高速传输;上位机接收多摄像头数据后,使用OpenCV及GPU完成了图像的快速拼接和显示.采用千兆交换机构建了8个摄像头的大场景远程实时监控系统,测试结果表明:系统视频传输速率可达912 M B;初始化完成后,全景图像拼接时间只需0.38 s;视频刷新速度可以达到15帧/s.所设计的系统可以扩展连接更多的摄像头,满足了更大场景拼接的需求.     

基于多核心工作站机群的并行介数算法

针对计算大规模复杂网络时介数的空间和时间复杂度问题,根据网络数据的存储特点,设计了减少内存占用并能提高查找速度的数据结构.根据介数计算的特点,用Python语言设计了粗粒度并行算法,在多核心工作站机群实现了并行算法.实验结果表明:并行算法不仅能够适用于上亿条边规模的网络,而且能够获得线性加速比,使120个计算核心的加速比达到了71左右,为分析大规模复杂网络数据的特性提供了易操作的方案.     

基于GPU的高阶辛FDTD算法的并行仿真研究

高阶辛时域有限差分算法(SFDTD)与传统的时域有限差分算法(FDTD)相比具有更优的稳定性和计算精度,但在进行电磁仿真时则更为耗时。为解决这一问题,文章应用SFDTD的空间并行性,研究并实现了基于计算统一设备架构(CUDA)的SFDTD的并行算法仿真;基于费米架构,分析了各种尺度网格下速度的提升,与传统的CPU实现该算法进行比较,验证了该方法的正确性和高速性。