| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 图近似最小斯坦纳树算法 | 第10-13页 |
| 1.2.2 利用GPU对求解近似图斯坦纳树进行加速 | 第13-14页 |
| 1.2.3 GPU通用计算库 | 第14页 |
| 1.2.4 GPU图计算框架 | 第14-15页 |
| 1.2.5 VLSI多端线网布线算法 | 第15-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 第2章 GPU并行计算以及图加速库Gunrock简介 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 GPU体系结构 | 第18-20页 |
| 2.2.1 GPU硬件架构 | 第18-20页 |
| 2.2.2 GPU与CPU的区别 | 第20页 |
| 2.3 CUDA编程模型 | 第20-24页 |
| 2.3.1 CUDA处理流程 | 第21页 |
| 2.3.2 CUDAC | 第21-23页 |
| 2.3.3 CUDA存储器 | 第23-24页 |
| 2.4 Gunrock的原理 | 第24-29页 |
| 2.4.1 Gunrock中图的数据结构 | 第24-25页 |
| 2.4.2 Gunrock运行流程 | 第25-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 GPU并行加速算法 | 第30-50页 |
| 3.1 引言 | 第30页 |
| 3.2 原始Shrubbery算法 | 第30-34页 |
| 3.3 Shrubbery-GPU算法 | 第34-49页 |
| 3.3.1 并行算法基本思想 | 第34-37页 |
| 3.3.2 Shrubbery-GPU算法的一个例子 | 第37-38页 |
| 3.3.3 算法数据结构 | 第38-40页 |
| 3.3.4 Shrubbery-GPU算法的6个步骤 | 第40-48页 |
| 3.3.5 算法理论分析 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 VLSI多端线网布线 | 第50-55页 |
| 4.1 引言 | 第50页 |
| 4.2 VLSI布线原理 | 第50-52页 |
| 4.2.1 VLSI设计流程 | 第50-51页 |
| 4.2.2 多端线网布线问题模型 | 第51-52页 |
| 4.3 Shrubbery-GPU多端线网布线 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 实验和讨论 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 测试平台 | 第55页 |
| 5.2.1 硬件环境 | 第55页 |
| 5.2.2 软件环境 | 第55页 |
| 5.3 大规模测试集 | 第55-58页 |
| 5.4 VLSI测试集 | 第58-60页 |
| 5.5 实验结果分析 | 第60-64页 |
| 5.5.1 大规模数据集与VLSI数据集加速性能区别 | 第60页 |
| 5.5.2 大规模数据集加速性能分析 | 第60-62页 |
| 5.5.3 Shrubbery-GPU算法性能与终端节点数目关系 | 第62-63页 |
| 5.5.4 Shrubbery-GPU算法各部分时间占比 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第6章 后处理与展望 | 第65-74页 |
| 6.1 引言 | 第65页 |
| 6.2 快速局部搜索 | 第65-68页 |
| 6.3 实验与分析 | 第68-72页 |
| 6.4 展望 | 第72-73页 |
| 6.4.1 CPU与GPU协同工作 | 第72页 |
| 6.4.2 算法扩展至多GPU平台 | 第72页 |
| 6.4.3 对局部搜索进行并行加速 | 第72-73页 |
| 6.4.4 算法应用于其它方向 | 第73页 |
| 6.5 本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第80-82页 |
| 致谢 | 第82页 |
