基于GPU的二维流场可视化线性积分卷积方法的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·科学计算可视化的发展现状 | 第11-13页 |
| ·高性能计算发展现状 | 第13-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 2 GPU 与集群并行计算技术 | 第16-29页 |
| ·并行计算 | 第16-20页 |
| ·并行计算机体系结构 | 第16-17页 |
| ·并行编程模式 | 第17-18页 |
| ·并行算法设计的方法 | 第18-20页 |
| ·GPU 技术 | 第20-23页 |
| ·GPU 概述 | 第20-21页 |
| ·CUDA 编程模型 | 第21-23页 |
| ·CUDA 存储模型 | 第23页 |
| ·计算机集群概述 | 第23-28页 |
| ·集群的分类 | 第24页 |
| ·集群的特点 | 第24-25页 |
| ·MPI 概述 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 3 线性积分卷积算法的研究 | 第29-39页 |
| ·LIC 的原理 | 第29-30页 |
| ·流线与龙格—库塔算法 | 第30-33页 |
| ·流线 | 第30-31页 |
| ·龙格—库塔法 | 第31-33页 |
| ·卷积 | 第33页 |
| ·LIC 算法的设计与实现 | 第33-38页 |
| ·二维流场数据的预处理 | 第34-36页 |
| ·LIC 算法的具体步骤 | 第36-37页 |
| ·图像绘制与显示 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4. LIC 并行算法设计与实现 | 第39-51页 |
| ·算法的并行可行性分析 | 第39-40页 |
| ·数据并行性 | 第39页 |
| ·技术可行性 | 第39-40页 |
| ·算法在 GPU 中设计与实现 | 第40-45页 |
| ·CUDA 程序基本框架与执行 | 第40-41页 |
| ·GPU 中算法的并行架构 | 第41-45页 |
| ·CUDA 程序的优化 | 第45页 |
| ·算法在集群的设计与实现 | 第45-50页 |
| ·并行算法架构 | 第46-48页 |
| ·任务分配策略 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 5. 实验结果对比与分析 | 第51-55页 |
| ·并行程序性能分析 | 第51页 |
| ·实验结果分析 | 第51-55页 |
| ·GPU 并行计算的实验结果分析 | 第51-53页 |
| ·集群并行计算的实验结果分析 | 第53-54页 |
| ·两种结果对比分析 | 第54-55页 |
| 6 总结与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录A： CUDA 开发环境配置方案 | 第59-60页 |
| 致谢 | 第60-61页 |
| 个人简历 | 第61页 |
| 个人发表论文情况 | 第61页 |
