| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-24页 |
| ·高性能计算 | 第8-19页 |
| ·高性能计算机的发展状况 | 第8-9页 |
| ·高性能计算机体系的分类 | 第9-11页 |
| ·MPI并行编程 | 第11-17页 |
| ·CUDA并行编程 | 第17-19页 |
| ·遗传算法 | 第19-21页 |
| ·遗传算法概述 | 第19-21页 |
| ·遗传算法的并行 | 第21页 |
| ·药物的虚拟筛选 | 第21-23页 |
| ·新药物的发现 | 第21-22页 |
| ·药物分子的虚拟筛选 | 第22-23页 |
| ·本文的主要研究工作 | 第23-24页 |
| 2 基于信息熵遗传算法的GPU并行加速 | 第24-39页 |
| ·基于信息熵遗传算法的实现 | 第24-28页 |
| ·约束优化问题的设计模型 | 第24-25页 |
| ·遗传操作 | 第25-26页 |
| ·空间收缩 | 第26-28页 |
| ·基于信息熵遗传算法的步骤 | 第28页 |
| ·基于信息熵遗传算法的GPU加速 | 第28-34页 |
| ·随机数的并行产生 | 第28-30页 |
| ·基于信息熵遗传算法在CUDA平台的实现 | 第30-32页 |
| ·遗传操作的GPU并行 | 第32-34页 |
| ·实验和分析 | 第34-38页 |
| ·加速效果分析 | 第35-38页 |
| ·精度分析 | 第38页 |
| ·小结 | 第38-39页 |
| 3 基于SHAFTS的CUDA和MPI异构并行优化 | 第39-69页 |
| ·基于分子对接的虚拟筛选 | 第39-40页 |
| ·基于配体小分子的虚拟筛选 | 第40-41页 |
| ·SHAFTS：基于化学特征匹配和分子形状叠合的三维相似算法 | 第41-53页 |
| ·基于三维分子叠合的相似性计算 | 第41-42页 |
| ·高斯体积计算 | 第42-49页 |
| ·三角形哈希查找算法 | 第49-51页 |
| ·匹配值的计算 | 第51-52页 |
| ·SHAFTS算法流程 | 第52-53页 |
| ·基于SHAFTS的并行设计 | 第53-61页 |
| ·SHAFTS中的CPU并行 | 第55-58页 |
| ·SHAFTS中的GPU并行 | 第58-60页 |
| ·SHAFTS中的CPU+GPU异构并行 | 第60-61页 |
| ·实验和分析 | 第61-68页 |
| ·小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 致谢 | 第76-77页 |