| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-10页 |
| 1 模拟退火算法起源及其发展 | 第10-19页 |
| ·TSP问题 | 第10-11页 |
| ·模拟退火算法的起源 | 第11-13页 |
| ·模拟退火算法的流程 | 第13-15页 |
| ·模拟退火算法的研究现状 | 第15-17页 |
| ·本文的主要工作 | 第17-19页 |
| 2 基于GPU的通用计算 | 第19-28页 |
| ·GPU概述 | 第19-21页 |
| ·GPU用于通用计算任务 | 第21-25页 |
| ·GPU用于通用计算的限制 | 第25页 |
| ·GPU通用计算的发展方向 | 第25-28页 |
| 3 基于GPU加速的细粒度并行SA算法的设计与实现 | 第28-52页 |
| ·模型设计的难点分析及解决 | 第28-39页 |
| ·何为CUDA | 第28-33页 |
| ·并行模型的设计 | 第33-35页 |
| ·CUDA内存模型 | 第35-38页 |
| ·生成的随机数处理 | 第38-39页 |
| ·基于GPU的细粒度并行SA算法 | 第39-51页 |
| ·SA算法求解TSP问题的数学模型 | 第39-41页 |
| ·SA算法的GPU并行化模型 | 第41-44页 |
| ·新路径的GPU并行生成 | 第44-46页 |
| ·GPU芯片内存的优化使用 | 第46-49页 |
| ·FGSA算法的GPU转换(GPUSA) | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 4 实验结果以及结论分析 | 第52-56页 |
| ·GPUSA的实验结果 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |