| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题来源 | 第11页 |
| ·研究背景及意义 | 第11-13页 |
| ·Krylov 子空间算法的国内外研究现状 | 第13-15页 |
| ·主要研究内容 | 第15-16页 |
| ·论文结构 | 第16-17页 |
| 第2章 并行计算与 GPU | 第17-29页 |
| ·并行计算 | 第17-21页 |
| ·并行计算结构模型 | 第17-20页 |
| ·并行算法 | 第20-21页 |
| ·并行计算算法级测评 | 第21页 |
| ·并行程序设计 | 第21-24页 |
| ·基于消息传递模型的 MPI 并行编程 | 第22页 |
| ·基于共享变量模型的 OpenMP 并行编程 | 第22-23页 |
| ·MPI 和 OpenMP 混合编程模型 | 第23-24页 |
| ·NVIDIA GPU | 第24-26页 |
| ·CUDA | 第26-28页 |
| ·小结 | 第28-29页 |
| 第3章 一种 Krylov 子空间并行算法的改进 | 第29-43页 |
| ·引言 | 第29页 |
| ·Krylov 子空间算法的概念 | 第29-32页 |
| ·并行化 | 第32-33页 |
| ·Orthodir 算法 | 第33-34页 |
| ·Orthodir(m)算法与 IOrthodir(m)算法 | 第34-36页 |
| ·两个算法的对比分析 | 第36-39页 |
| ·实验 | 第39-42页 |
| ·小结 | 第42-43页 |
| 第4章 改进算法 IOrthodir(m)的 CPU-GPU 协同实现 | 第43-51页 |
| ·引言 | 第43页 |
| ·NVIDIA Geforce GTX 470 体系结构 | 第43-44页 |
| ·GPU 加速矩阵向量乘 | 第44-46页 |
| ·IOrthodir(m)算法的 CPU-GPU 协同实现 | 第46-49页 |
| ·任务划分 | 第46-47页 |
| ·GPU 加速向量内积计算 | 第47-48页 |
| ·任务划分优化 | 第48-49页 |
| ·实验 | 第49-50页 |
| ·小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
| 附录 A 攻读硕士学位期间发表论文目录 | 第61-62页 |
| 附录 B 攻读硕士学位期间所参与的科研活动 | 第62页 |
