| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-14页 |
| 图目录 | 第14-16页 |
| 表目录 | 第16-17页 |
| 第一章 绪论 | 第17-30页 |
| 1.1 研究背景和意义 | 第17-19页 |
| 1.2 国内外研究现状及趋势 | 第19-24页 |
| 1.2.1 基于GPU的通用计算研究现状 | 第19-21页 |
| 1.2.2 高性能空间分析研究现状 | 第21-23页 |
| 1.2.3 存在问题及发展趋势 | 第23-24页 |
| 1.3 研究目标、内容及方案 | 第24-28页 |
| 1.3.1 研究目标 | 第24页 |
| 1.3.2 研究内容 | 第24-25页 |
| 1.3.3 研究方案 | 第25-28页 |
| 1.4 论文组织结构 | 第28-30页 |
| 第二章 CPU/GPU异构并行计算 | 第30-54页 |
| 2.1 并行计算基本理论 | 第31-36页 |
| 2.1.1 并行计算模式 | 第31-32页 |
| 2.1.2 并行程序设计 | 第32-35页 |
| 2.1.3 并行计算系统度量指标 | 第35-36页 |
| 2.2 并行计算的几种形式 | 第36-43页 |
| 2.2.1 基于单个处理器的多核并行 | 第37-38页 |
| 2.2.2 基于多处理器的超级计算、集群计算与分布式计算 | 第38-40页 |
| 2.2.3 CPU/GPU异构并行 | 第40-43页 |
| 2.3 基于GPU的通用计算 | 第43-47页 |
| 2.3.1 GPU的发展 | 第43-45页 |
| 2.3.2 传统的GPGPU开发 | 第45-46页 |
| 2.3.3 GPGPU的新发展 | 第46-47页 |
| 2.4 CUDA计算架构 | 第47-53页 |
| 2.4.1 CUDA软件体系 | 第47-48页 |
| 2.4.2 CUDA编程模型 | 第48-50页 |
| 2.4.3 CUDA存储器模型 | 第50-53页 |
| 2.5 小结 | 第53-54页 |
| 第三章 基于CUDA的最短路径分析并行算法 | 第54-73页 |
| 3.1 最短路径问题 | 第55-61页 |
| 3.1.1 图的概念和基本定义 | 第55-56页 |
| 3.1.2 图的存储结构 | 第56-57页 |
| 3.1.3 最短路径分析算法 | 第57-61页 |
| 3.2 基于CUDA的最短路径分析并行算法分析与设计 | 第61-66页 |
| 3.2.1 Floyd算法的可并行性分析 | 第61-63页 |
| 3.2.2 基于CUDA的Floyd算法的并行实现 | 第63-66页 |
| 3.3 Floyd并行算法的CUDA高性能分析与优化 | 第66-70页 |
| 3.3.1 存储结构 | 第66-67页 |
| 3.3.2 数据分块与调度 | 第67页 |
| 3.3.3 合并访问 | 第67-68页 |
| 3.3.4 数据分批处理与异步执行 | 第68-70页 |
| 3.4 实验与分析 | 第70-72页 |
| 3.5 小结 | 第72-73页 |
| 第四章 基于GPGPU的空间插值并行算法 | 第73-88页 |
| 4.1 空间插值算法描述 | 第73-77页 |
| 4.1.1 空间插值概述 | 第73-74页 |
| 4.1.2 主要的空间插值方法 | 第74-75页 |
| 4.1.3 双线性插值算法 | 第75-77页 |
| 4.2 GPU加速的双线性空间插值并行算法分析与设计 | 第77-80页 |
| 4.2.1 数据的组织与索引 | 第77-78页 |
| 4.2.2 GPU加速的双线性空间插值并行算法的设计与实现 | 第78-80页 |
| 4.3 并行双线性空间插值算法的性能优化 | 第80-84页 |
| 4.3.1 执行配置优化 | 第80-81页 |
| 4.3.2 存储器访问优化 | 第81-84页 |
| 4.4 实验与分析 | 第84-87页 |
| 4.5 小结 | 第87-88页 |
| 第五章 基于GPU的空间拓扑关系并行计算 | 第88-98页 |
| 5.1 空间数据与空间拓扑关系 | 第88-92页 |
| 5.1.1 空间数据 | 第88-89页 |
| 5.1.2 空间拓扑关系 | 第89-92页 |
| 5.2 基于直线求交的线/线拓扑关系计算 | 第92页 |
| 5.3 基于GPU的直线求交并行算法分析与设计 | 第92-94页 |
| 5.3.1 直线求交算法效率及并行性分析 | 第92-93页 |
| 5.3.2 基于GPU的直线求交并行算法设计 | 第93-94页 |
| 5.4 在地形图线目标空间冲突检测中的实验与应用 | 第94-97页 |
| 5.5 小结 | 第97-98页 |
| 第六章 基于MPI+CUDA混合编程模型的高性能空间分析并行计算 | 第98-114页 |
| 6.1 基于MPI+CUDA的分布式并行计算模型 | 第99-101页 |
| 6.1.1 异构CPU/GPU协同计算模式及设计 | 第99-100页 |
| 6.1.2 基于MPI+CUDA的分布式并行计算模型 | 第100-101页 |
| 6.2 基于MPI+CUDA的双线性空间插值并行算法 | 第101-107页 |
| 6.2.1 并行算法的任务划分 | 第101-102页 |
| 6.2.2 并行算法的设计与实现 | 第102-103页 |
| 6.2.3 实验与分析 | 第103-107页 |
| 6.3 基于MPI+CUDA的全源最短路径并行算法 | 第107-113页 |
| 6.3.1 并行算法的任务划分 | 第107-108页 |
| 6.3.2 并行任务之间的数据通信 | 第108页 |
| 6.3.3 并行算法的设计与实现 | 第108-110页 |
| 6.3.4 实验与分析 | 第110-113页 |
| 6.4 小结 | 第113-114页 |
| 第七章 总结与展望 | 第114-118页 |
| 7.1 已完成的主要工作 | 第114-115页 |
| 7.2 主要贡献和创新点 | 第115-116页 |
| 7.3 进一步的工作及展望 | 第116-118页 |
| 参考文献 | 第118-124页 |
| 攻博期间发表的论文和参与的科研项目 | 第124-125页 |
| 致谢 | 第125页 |
