| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 全基因组基因-基因相互作用分析 | 第8-13页 |
| 1.1 全基因组关联分析 | 第8-11页 |
| 1.2 基因-基因相互作用分析 | 第11-12页 |
| 1.3 本章小结 | 第12-13页 |
| 第二章 GPU 编程简介 | 第13-22页 |
| 2.1 CPU 多核并行 | 第13-15页 |
| 2.2 超级计算机、集群与分布式计算 | 第15-16页 |
| 2.3 CPU+GPU 异构并行 | 第16-20页 |
| 2.4 GPGPU | 第20页 |
| 2.5 基于GPU 结点的超级计算机 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 CUDA 简介 | 第22-30页 |
| 3.1 从GPGPU 到CUDA | 第22页 |
| 3.2 CUDA 编程模型 | 第22-24页 |
| 3.2.1 主机与设备 | 第22-24页 |
| 3.2.2 线程结构 | 第24页 |
| 3.3 硬件映射 | 第24-27页 |
| 3.3.1 计算单元 | 第24-25页 |
| 3.3.2 warp | 第25-26页 |
| 3.3.3 执行模型 | 第26-27页 |
| 3.4 软件体系 | 第27-29页 |
| 3.4.1 CUDA C 语言 | 第28页 |
| 3.4.2 nvcc 编译器 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 算法说明 | 第30-33页 |
| 4.1 算法的数学说明 | 第30-31页 |
| 4.2 与单个位点关联分析结果无关的证明 | 第31-32页 |
| 4.3 本章小结 | 第32-33页 |
| 第五章 程序实现 | 第33-55页 |
| 5.1 数据结构的设计 | 第33-38页 |
| 5.1.1 输入数据预处理 | 第33-35页 |
| 5.1.2 数据结构 | 第35-36页 |
| 5.1.3 两两选择SNP 位点 | 第36-38页 |
| 5.2 多线程设计 | 第38-46页 |
| 5.2.1 多线程概述 | 第38-40页 |
| 5.2.2 线程池 | 第40-42页 |
| 5.2.3 线程同步 | 第42-44页 |
| 5.2.4 双缓冲读入数据 | 第44页 |
| 5.2.5 流程图 | 第44-46页 |
| 5.3 CUDA 代码优化 | 第46-54页 |
| 5.3.1 CUDA 程序优化概述 | 第46-49页 |
| 5.3.2 实际任务划分 | 第49-50页 |
| 5.3.3 合并访问 | 第50-52页 |
| 5.3.4 共享存储器（shared memory） | 第52-53页 |
| 5.3.5 其他优化 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 结果 | 第55-60页 |
| 6.1 加速比结果 | 第55-58页 |
| 6.1.1 硬件配置 | 第55-56页 |
| 6.1.2 加速比结果 | 第56-58页 |
| 6.2 全基因组扫描结果 | 第58页 |
| 6.3 重复试验结果 | 第58-59页 |
| 6.4 本章小结 | 第59-60页 |
| 第七章 全文总结 | 第60-62页 |
| 7.1 主要结论 | 第60页 |
| 7.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间已发表或录用的论文 | 第67-69页 |