| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-11页 |
| 1 粒子群优化算法 | 第11-25页 |
| ·原始粒子群优化算法 | 第11-16页 |
| ·算法的基本原理 | 第11-12页 |
| ·算法的数学描述 | 第12-13页 |
| ·算法的设计步骤和流程 | 第13-15页 |
| ·PSO的实际应用 | 第15-16页 |
| ·并行粒子群优化算法 | 第16-25页 |
| ·算法的基本思想及流程 | 第16-17页 |
| ·层次及代码粒度的选择 | 第17-18页 |
| ·编程模式的设计 | 第18-21页 |
| ·任务分配方案 | 第21-22页 |
| ·消息传递方法 | 第22-23页 |
| ·并行算法的复杂性分析方法 | 第23页 |
| ·并行PSO在实际应用中存在的问题 | 第23-25页 |
| 2 基于GPU的并行计算 | 第25-40页 |
| ·计算机图形硬件的发展 | 第25-26页 |
| ·图形处理器的处理原理和体系结构 | 第26-30页 |
| ·图形处理器的处理原理 | 第26-28页 |
| ·图形处理器的体系结构 | 第28-30页 |
| ·可编程图形硬件的特点 | 第30-35页 |
| ·可编程图形硬件的优缺点 | 第30-31页 |
| ·定位瓶颈和解决瓶颈 | 第31-35页 |
| ·GPU的编程语言 | 第35-37页 |
| ·基于GPU的并行计算 | 第37-40页 |
| ·基于GPU的实时渲染 | 第38页 |
| ·基于GPU的图像处理技术和通用计算 | 第38-40页 |
| 3 基于GPU加速的细粒度并行粒子群算法 | 第40-49页 |
| ·技术要点 | 第40-43页 |
| ·GPU通用计算的基本方法 | 第40-41页 |
| ·GPU中的数据存储 | 第41页 |
| ·最佳适应值的GPU搜索 | 第41-42页 |
| ·随机数的处理 | 第42-43页 |
| ·PSO算法的GPU并行化模型 | 第43-44页 |
| ·算法流程 | 第44-45页 |
| ·实验与分析 | 第45-48页 |
| ·本章小节 | 第48-49页 |
| 4 基于GPU加速的粒子群算法在碰撞检测领域的应用 | 第49-61页 |
| ·碰撞检测简介 | 第49-50页 |
| ·基于粒子群优化和GPU加速的变形物体碰撞检测算法 | 第50-57页 |
| ·空间三角形距离的GPU计算 | 第51-52页 |
| ·相关数据的纹理存储 | 第52-54页 |
| ·算法流程 | 第54-57页 |
| ·实验结果与分析 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |