| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文结构 | 第14-16页 |
| 第2章 CPU_GPU异构系统主流编程模型 | 第16-28页 |
| 2.1 CPU_GPU异构系统 | 第16-17页 |
| 2.2 CUDA概述 | 第17-18页 |
| 2.3 CUDA硬件设计 | 第18-21页 |
| 2.4 CUDA软件模型 | 第21-25页 |
| 2.4.1 线程组织结构 | 第21-22页 |
| 2.4.2 CUDA存储模型 | 第22-24页 |
| 2.4.3 编程模型 | 第24-25页 |
| 2.5 CUDA编程规范 | 第25-27页 |
| 2.5.1 编程语言 | 第25页 |
| 2.5.2 内置类型和内建变量 | 第25-26页 |
| 2.5.3 变量类型和函数类型限定符 | 第26-27页 |
| 2.5.4 内核函数相关 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 CPU_GPU编程模型CUDA优化 | 第28-50页 |
| 3.1 影响程序性能的因素 | 第28-30页 |
| 3.1.1 访存延迟 | 第28-29页 |
| 3.1.2 任务划分 | 第29-30页 |
| 3.1.3 通信延迟 | 第30页 |
| 3.2 访存优化策略研究 | 第30-40页 |
| 3.2.1 访存优化策略提出 | 第30-31页 |
| 3.2.2 访存优化策略设计 | 第31-35页 |
| 3.2.3 访存优化策略实现 | 第35-40页 |
| 3.3 任务划分策略研究 | 第40-48页 |
| 3.3.1 任务划分策略提出 | 第40页 |
| 3.3.2 任务划分策略设计 | 第40-43页 |
| 3.3.3 任务划分策略实现 | 第43-48页 |
| 3.4 通信延迟策略研究 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 Smith-Waterman算法的CUDA实现 | 第50-62页 |
| 4.1 问题概述 | 第50-54页 |
| 4.1.1 序列比对问题 | 第50-51页 |
| 4.1.2 Smith-Waterman算法 | 第51-54页 |
| 4.2 Smith-Waterman算法在CUDA平台的研究与分析 | 第54-58页 |
| 4.2.1 基于任务分解的粗粒度并行 | 第54-56页 |
| 4.2.2 基于行的Smith-Waterman并行算法 | 第56-58页 |
| 4.3 Smith-Waterman算法的CUDA设计与实现 | 第58-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 实验分析 | 第62-66页 |
| 5.1 实验测评环境 | 第62-63页 |
| 5.2 实验结果及性能比较 | 第63-65页 |
| 5.2.1 时间性能分析比较 | 第63-64页 |
| 5.2.2 MCUPS值分析比较 | 第64-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 全文总结 | 第66-67页 |
| 6.2 全文展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
