高性能的MrBayes MC~3 GPU算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| 第一节 课题研究背景及意义 | 第10-12页 |
| 第二节 本文的主要工作 | 第12页 |
| 第三节 本文的组织结构 | 第12-14页 |
| 第二章 背景知识 | 第14-24页 |
| 第一节 常用的生物系统发育方法 | 第14-15页 |
| ·距离矩阵法 | 第14页 |
| ·最大简约法 | 第14-15页 |
| ·最大似然法 | 第15页 |
| ·贝叶斯方法 | 第15页 |
| 第二节 MrBayes MC~3算法 | 第15-19页 |
| ·系统发育的贝叶斯方法 | 第15-16页 |
| ·马尔可夫链蒙特卡罗算法(MCMC) | 第16-17页 |
| ·Metropolis-偶联MCMC(MC~3) | 第17-18页 |
| ·MC~3算法的并行化研究 | 第18-19页 |
| 第三节 CUDA模型 | 第19-24页 |
| ·CUDA硬件架构 | 第19-20页 |
| ·CUDA编程模型 | 第20-21页 |
| ·CUDA存储模型 | 第21-23页 |
| ·CUDA流 | 第23-24页 |
| 第三章 CPU-GPU协同并行aMC~3算法设计 | 第24-53页 |
| 第一节 aMC~3算法的设计出发点 | 第24-25页 |
| 第二节 流水线模型 | 第25-26页 |
| 第三节 链序调度策略的分析 | 第26-32页 |
| ·链序调度策略的计算流程 | 第27-28页 |
| ·数据传输和内核函数执行重叠 | 第28-29页 |
| ·最多两个内核函数并发执行 | 第29页 |
| ·马尔可夫链的并发受到限制 | 第29-32页 |
| 第四节 结点序调度策略 | 第32-37页 |
| ·结点序调度策略计算流程 | 第32-33页 |
| ·宽度优先的调度次序模拟多队列 | 第33-34页 |
| ·提高马尔可夫链的并发度 | 第34-37页 |
| 第五节 自适应的任务划分 | 第37-48页 |
| ·MrBayes MC~3算法的计算分析 | 第37-39页 |
| ·nMC~3算法的细粒度内核函数分析 | 第39-41页 |
| ·aMC~3算法的粗粒度内核函数 | 第41-44页 |
| ·合并内核函数 | 第44-46页 |
| ·任务划分 | 第46-48页 |
| 第六节 针对异构众核集群的算法优化 | 第48-53页 |
| ·nMC~3算法的多GPU计算分析 | 第48-49页 |
| ·aMC~3算法的多GPU的计算 | 第49-50页 |
| ·Amdahl定律和Gustafson定律 | 第50-53页 |
| 第四章 实验和分析 | 第53-67页 |
| 第一节 实验平台及数据集 | 第53-55页 |
| ·算法的实验平台 | 第53-54页 |
| ·算法使用的数据集 | 第54-55页 |
| 第二节 实验结果 | 第55-66页 |
| ·运行时间 | 第56-58页 |
| ·加速比 | 第58-63页 |
| ·伸缩性 | 第63-66页 |
| 第三节 结论 | 第66-67页 |
| 第五章 总结和展望 | 第67-69页 |
| 第一节 总结 | 第67-68页 |
| 第二节 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 个人简历 | 第73页 |
| 获得奖励 | 第73页 |
| 学术论文 | 第73页 |
