GPGPU上图处理算法的实现与优化
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 研究内容和主要贡献 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 相关知识 | 第16-25页 |
| 2.1 CUDA相关知识 | 第16-20页 |
| 2.1.1 CUDA模型 | 第16-20页 |
| 2.1.2 CUDA程序优化 | 第20页 |
| 2.2 图算法的两种实现框架 | 第20-23页 |
| 2.2.1 Data-driven | 第20-22页 |
| 2.2.2 Topology-driven | 第22-23页 |
| 2.3 CSR格式 | 第23-25页 |
| 第三章 图着色 | 第25-45页 |
| 3.1 图着色 | 第25-27页 |
| 3.1.1 图着色应用 | 第25-26页 |
| 3.1.2 串行算法 | 第26-27页 |
| 3.2 并行图着色 | 第27-30页 |
| 3.2.1 GM算法 | 第27-29页 |
| 3.2.2 JP算法 | 第29-30页 |
| 3.3 GPU实现 | 第30-35页 |
| 3.3.1 现有GPU实现 | 第31-32页 |
| 3.3.2 算法设计与实现 | 第32-35页 |
| 3.4 针对GPU体系结构的优化 | 第35-36页 |
| 3.4.1 位向量 | 第35-36页 |
| 3.4.3 只读数据缓存 | 第36页 |
| 3.5 实验与性能分析 | 第36-44页 |
| 3.5.1 实验环境 | 第37页 |
| 3.5.2 位向量性能 | 第37-39页 |
| 3.5.3 只读数据缓存性能 | 第39-41页 |
| 3.5.4 最优实现 | 第41-42页 |
| 3.5.5 扩展性 | 第42-44页 |
| 3.6 总结 | 第44-45页 |
| 第四章 强连通分量分解 | 第45-69页 |
| 4.1 强连通分量分解 | 第45-47页 |
| 4.1.1 强连通分量分解应用 | 第45-46页 |
| 4.1.2 串行算法 | 第46-47页 |
| 4.2 并行强连通分量分解 | 第47-53页 |
| 4.2.1 FB算法 | 第47-50页 |
| 4.2.2 Trimming | 第50-51页 |
| 4.2.3 Coloring算法 | 第51-53页 |
| 4.3 GPU实现 | 第53-56页 |
| 4.3.1 现有GPU实现 | 第53-55页 |
| 4.3.2 算法设计与实现 | 第55-56页 |
| 4.4 针对GPU体系结构的优化 | 第56-59页 |
| 4.4.1 弱连通分量 | 第56-58页 |
| 4.4.2 负载平衡 | 第58-59页 |
| 4.5 实验与性能分析 | 第59-68页 |
| 4.5.1 实验环境 | 第59-60页 |
| 4.5.2 弱连通分量性能 | 第60-62页 |
| 4.5.3 负载平衡性能 | 第62-65页 |
| 4.5.4 最优实现 | 第65-66页 |
| 4.5.5 扩展性 | 第66-68页 |
| 4.6 总结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 作者在学期间取得的学术成果 | 第75页 |
