| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景 | 第13-14页 |
| ·光滑粒子动力学方法简介 | 第14-15页 |
| ·通用图形计算（GPGPU）技术 | 第15-16页 |
| ·研究意义 | 第16-17页 |
| ·相关工作 | 第17-18页 |
| ·论文组织结构 | 第18-19页 |
| 第二章 通用 GPU 及 CUDA 技术 | 第19-27页 |
| ·通用 GPU 架构简析 | 第19-20页 |
| ·CUDA | 第20-24页 |
| ·CUDA 编程模型 | 第21-22页 |
| ·CUDA 线程模型 | 第22-23页 |
| ·CUDA 存储器模型 | 第23-24页 |
| ·GPU 扩展函数库 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 光滑粒子动力学(SPH)串行算法的研究及分析 | 第27-37页 |
| ·SPH 方法详述 | 第27-29页 |
| ·SPH 基本思想 | 第27-28页 |
| ·SPH 边界条件的处理 | 第28-29页 |
| ·SPH 算法整体框架分析 | 第29-31页 |
| ·SPH 算法主要步骤分析 | 第31-34页 |
| ·相邻粒子对构建 | 第32-33页 |
| ·粒子属性值计算 | 第33-34页 |
| ·SPH 串行算法热点分析 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于 GPU 众核架构的并行 SPH 算法的设计与实现 | 第37-51页 |
| ·基于众核 GPU 的并行算法设计 | 第37-39页 |
| ·基于 GPU 的算法设计特点 | 第37-38页 |
| ·基于 GPU 的算法设计思路 | 第38-39页 |
| ·基于众核 GPU 的 SPH 算法的设计与实现 | 第39-48页 |
| ·算法设计难点分析及解决方案 | 第39-41页 |
| ·基于 GPU 的相邻粒子对构建算法的实现 | 第41-45页 |
| ·基于 GPU 的粒子属性值计算算法实现 | 第45-48页 |
| ·并行算法性能调优 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 实验结果与分析 | 第51-59页 |
| ·实验数据，实验环境及测试目标 | 第51-52页 |
| ·实验数据 | 第51页 |
| ·实验环境 | 第51-52页 |
| ·测试目标 | 第52页 |
| ·实验结果与分析 | 第52-55页 |
| ·准确性分析 | 第52-53页 |
| ·性能对比 | 第53-55页 |
| ·开普勒架构上性能测试 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·下一步展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间已发表或录用的学术论文 | 第67页 |