摘要 | 第4-6页 |
Abstract | 第6-8页 |
第1章 绪论 | 第19-43页 |
1.1 研究背景与意义 | 第19-21页 |
1.1.1 选题背景 | 第19-21页 |
1.1.2 研究意义 | 第21页 |
1.1.3 项目支撑 | 第21页 |
1.2 研究进展综述 | 第21-38页 |
1.2.1 负载均衡并行技术概述 | 第21-23页 |
1.2.2 地理空间分析并行技术研究 | 第23-33页 |
1.2.3 CPU/GPU混合架构并行技术研究 | 第33-36页 |
1.2.4 地理空间分析通用并行化方法研究 | 第36-37页 |
1.2.5 研究现状评述 | 第37-38页 |
1.3 研究内容与技术路线 | 第38-41页 |
1.3.1 研究目标 | 第38页 |
1.3.2 研究内容 | 第38-39页 |
1.3.3 技术路线 | 第39-41页 |
1.4 论文组织 | 第41-43页 |
第2章 基于计算复杂度的矢量多边形空间分析负载均衡并行方法 | 第43-87页 |
2.1 数据密集型多边形空间分析负载均衡并行方法 | 第43-64页 |
2.1.1 算法特征分析 | 第43-44页 |
2.1.2 基于多边形复杂度的数据划分方法 | 第44-52页 |
2.1.3 并行计算实现流程 | 第52-54页 |
2.1.4 实验与分析 | 第54-64页 |
2.2 计算密集型多边形空间分析负载均衡并行方法 | 第64-86页 |
2.2.1 算法特征分析 | 第64页 |
2.2.2 基于改进边界代数法的多边形空间分析算法 | 第64-69页 |
2.2.3 多边形计算复杂度模型构建 | 第69-76页 |
2.2.4 复杂多边形分解方法 | 第76-77页 |
2.2.5 并行计算实现流程 | 第77-79页 |
2.2.6 实验与分析 | 第79-86页 |
2.3 本章小结 | 第86-87页 |
第3章 顾及有效计算量的多粒度栅格空间分析负载均衡并行方法 | 第87-120页 |
3.1 局部型栅格数据空间分析负载均衡并行方法 | 第87-103页 |
3.1.1 算法特征分析 | 第87页 |
3.1.2 不规则数据划分方法 | 第87-91页 |
3.1.3 多粒度动态并行调度方法 | 第91-93页 |
3.1.4 并行计算实现流程 | 第93-94页 |
3.1.5 实验与分析 | 第94-103页 |
3.2 全局型栅格数据空间分析负载均衡并行方法 | 第103-119页 |
3.2.1 算法特征分析 | 第103-104页 |
3.2.2 两阶段数据划分方法 | 第104-107页 |
3.2.3 抓取式并行调度方法 | 第107-108页 |
3.2.4 基于二叉树的结果融合方法 | 第108-109页 |
3.2.5 并行计算实现流程 | 第109-111页 |
3.2.6 实验与分析 | 第111-119页 |
3.3 本章小结 | 第119-120页 |
第4章 面向CPU/GPU混合架构的自适应负载均衡并行计算模型 | 第120-156页 |
4.1 自适应负载均衡并行计算模型 | 第120-140页 |
4.1.1 总体架构 | 第120-124页 |
4.1.2 适应CPU/GPU混合异构计算环境的并行方法 | 第124-135页 |
4.1.3 串行算法快速并行化方法 | 第135-138页 |
4.1.4 自适应负载均衡方法 | 第138-140页 |
4.2 自适应负载均衡并行计算平台 | 第140-144页 |
4.2.1 设计思想 | 第140-141页 |
4.2.2 平台配置 | 第141页 |
4.2.3 功能结构 | 第141-144页 |
4.3 实验与分析 | 第144-155页 |
4.3.1 实验设计 | 第144-147页 |
4.3.2 多核CPU下进程级/线程级混合并行方法验证 | 第147-150页 |
4.3.3 CPU/GPU协同并行方法验证 | 第150-153页 |
4.3.4 LBPM并行计算模型适应性验证 | 第153-155页 |
4.4 本章小结 | 第155-156页 |
第5章 结论与展望 | 第156-159页 |
5.1 研究结论 | 第156-157页 |
5.2 创新点 | 第157页 |
5.3 展望 | 第157-159页 |
参考文献 | 第159-170页 |
攻读博士学位期间科研成果 | 第170-172页 |
致谢 | 第172-173页 |
附录: 部分算法实现伪代码 | 第173-179页 |