| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 芯片热分析方法研究现状 | 第9-10页 |
| 1.2.2 GPU通用计算研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本文的结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 随机行走算法研究及改进 | 第14-32页 |
| 2.1 芯片热分析模型 | 第14-18页 |
| 2.1.1 金字塔热模型 | 第14-15页 |
| 2.1.2 金字塔热模型中的相关参数 | 第15页 |
| 2.1.3 稳态热分析和电路网络模型 | 第15-16页 |
| 2.1.4 金字塔热分析模型的离散化 | 第16-18页 |
| 2.2 随机行走算法 | 第18-21页 |
| 2.2.1 随机行走算法描述 | 第18-19页 |
| 2.2.2 随机行走算法的求解过程 | 第19-20页 |
| 2.2.3 随机行走过程与电路网络分析 | 第20-21页 |
| 2.3 基于金字塔模型的随机行走算法的研究 | 第21-31页 |
| 2.3.1 随机行走的跳转方向选择 | 第21-23页 |
| 2.3.2 预刻画转移区域概率表 | 第23-24页 |
| 2.3.3 子域编码和掩码技术 | 第24-27页 |
| 2.3.4 对流边界条件和随机行走跳数的限制 | 第27-28页 |
| 2.3.5 随机行走算法的数据结构和执行流程 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于CUDA的随机行走算法研究与设计 | 第32-50页 |
| 3.1 CUDA体系架构 | 第32-38页 |
| 3.1.1 CUDA的异构编程模型 | 第32-33页 |
| 3.1.2 CUDA的线程层次 | 第33-35页 |
| 3.1.3 CUDA的内存层次 | 第35-37页 |
| 3.1.4 CUDA的硬件实现 | 第37-38页 |
| 3.2 随机行走算法的GPU并行化模型 | 第38-40页 |
| 3.3 并行随机行走算法的研究 | 第40-43页 |
| 3.3.1 三维数组在GPU中初始化 | 第40-42页 |
| 3.3.2 随机数的处理 | 第42页 |
| 3.3.3 加锁机制和warpdivergence | 第42-43页 |
| 3.4 并行随机行走算法优化设计 | 第43-47页 |
| 3.4.1 单节点并行在全局内存和共享内存条件下的比较 | 第44-45页 |
| 3.4.2 多节点的并行随机行走算法的优化 | 第45-47页 |
| 3.5 并行随机行走算法的时间复杂度分析 | 第47-48页 |
| 3.6 GPU性能测量 | 第48-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第4章 实验结果与分析 | 第50-60页 |
| 4.1 实验环境 | 第50页 |
| 4.2 测试用例说明 | 第50-52页 |
| 4.3 实验结果与算法分析 | 第52-59页 |
| 4.3.1 单节点并行在全局内存和共享内存条件下的比较 | 第52-53页 |
| 4.3.2 多节点并行随机行走算法的优化 | 第53-55页 |
| 4.3.3 多节点并行性能分析 | 第55-57页 |
| 4.3.4 串行与并行随机行走算法的比较 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间的主要研究成果 | 第66页 |
