| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 GPU的发展历程 | 第11-13页 |
| 1.1.1 GPU的发展 | 第11-12页 |
| 1.1.2 GPU的优缺点分析 | 第12-13页 |
| 1.2 论文的主要内容 | 第13-15页 |
| 1.2.1 研究背景和意义 | 第13-14页 |
| 1.2.2 论文的研究内容和组织结构 | 第14-15页 |
| 第2章 相关技术 | 第15-29页 |
| 2.1 GPU流式编程模型 | 第15-16页 |
| 2.2 GPU体系结构 | 第16-18页 |
| 2.3 基于GPU的通用计算 | 第18-19页 |
| 2.3.1 GPGPU的发展及其优势 | 第18-19页 |
| 2.3.2 GPGPU编程模型 | 第19页 |
| 2.4 GPU与CPU比较 | 第19-21页 |
| 2.5 BLAST软件包 | 第21-26页 |
| 2.5.1 Blast概述 | 第21页 |
| 2.5.2 Blast的发展 | 第21-22页 |
| 2.5.3 Blast软件包组织结构 | 第22-23页 |
| 2.5.4 Blast中的数据结构 | 第23-24页 |
| 2.5.5 Blast软件串行执行过程 | 第24-26页 |
| 2.6 BLAST并行化的研究现状 | 第26-29页 |
| 2.6.1 Blast并行化在曙光2000上的实现 | 第26-27页 |
| 2.6.2 其它版本的并行BLAST | 第27-29页 |
| 第3章 GPU通用计算编程接口CUDA | 第29-40页 |
| 3.1 CUDA简介 | 第29-30页 |
| 3.2 CUDA编程模型 | 第30-35页 |
| 3.2.1 CUDA程序代码的执行模式 | 第30-31页 |
| 3.2.2 CUDA的线程模型 | 第31-33页 |
| 3.2.3 CUDA多线程并行的物理映射 | 第33-34页 |
| 3.2.4 CUDA的软件栈结构 | 第34-35页 |
| 3.3 CUDA存储器模型 | 第35-38页 |
| 3.4 CUDA编程结构的总结 | 第38-40页 |
| 第4章 GPU环境下BLAST的并行化研究 | 第40-56页 |
| 4.1 BLAST算法 | 第40-46页 |
| 4.1.1 相关基本概念 | 第40-41页 |
| 4.1.2 序列比对 | 第41-42页 |
| 4.1.3 Blast算法核心思想详述 | 第42-45页 |
| 4.1.4 Blast算法的改进 | 第45-46页 |
| 4.2 基于GPU的并行加速BLASTN核心函数 | 第46-53页 |
| 4.2.1 BLASTN的核心函数 | 第46-48页 |
| 4.2.2 BLASTN热点函数解析 | 第48-51页 |
| 4.2.3 关键技术和难点 | 第51-53页 |
| 4.3 实验结果测试与分析 | 第53-56页 |
| 4.3.1 实验结果 | 第53-54页 |
| 4.3.2 实验结果数据分析 | 第54-56页 |
| 第5章 总结 | 第56-59页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 未解决的问题 | 第57页 |
| 5.3 未来工作设想 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 作者简介及在学期间所取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |