基于GPU计算的直接体视化和遗传算法研究

论文题目: 基于GPU计算的直接体视化和遗传算法研究

论文类型: 硕士论文

论文专业: 计算机应用技术

作者: 杨正平

导师: 罗忠文

关键词: 高性能计算,并行计算,图形处理器,体视化,直接体绘制,遗传算法

文献来源: 中国地质大学

发表年度: 2005

论文摘要: 本文详细论述了作者在基于GPU(图形处理器)的高性能通用计算方面的研究工作，探讨了GPU的发展历史、硬件特性及在通用计算方面处理流程，在此基础上，实现了基于GPU的3-SAT遗传算法和直接体视化计算，测试了不同硬件环境下基于GPU计算的遗传算法和体视化的处理速度，并对GPU和CPU的计算效率做了对比分析。完成了一个基于GPU计算体视化演示系统。 近年来GPU硬件飞速发展，其速度已经超过了CPU，平均每隔6个月性能就会翻番，比CPU性能18个月才能翻番的发展速度快的多[1]。目前GPU单位面积的晶体管数量已经比CPU多。而在体系结构上GPU属于单指令流多数据流(SIMD Single Instruction Stream Single Data Stream)模型，它用一个控制器来控制多个处理器执行相同的操作来实现空间上的并行性，这样的流水线并行计算结构进一步提高了其运算速度。2004年，NVIDIA GeForce 6800 Ultra处理器峰值速度可达40 Gigaflops，对比Intel Pentium4 3G，采用SSE2指令集也只能达到6Gigaflops。同时近年来GPU由过去的固定PIPELINE改变为部分可编程，从而使得应用GPU编程实现通用计算成为可能。GPU的并行流水线硬件结构及最新的可编程特性，为GPU高性能通用计算开辟了一条新路，一方面，GPU的并行流水线结构可以提高计算速度，另一方面，GPU作为协处理器和CPU并行工作，进一步提高了计算效率。 SAT问题即可满足性问题，是NP完全问题的一种。求解SAT问题，需要进行大量的计算，遗传算法可以有效的求解SAT问题，但也存在计算量大的问题。作者基于GPU计算，利用遗传算法，编写了求解3-SAT问题的程序，并对GPU和CPU求解3-SAT问题的效率做了对比分析。在Pentium4 2.4G(CPU)和NVIDIA 6200(GPU)硬件条件下测试，在运行1000个循环的情况下，CPU时间为2207ms，GPU的时间为890ms，GPU的运行效率约为CPU效率的2.48倍。 三维体视化是运用计算机图形学和图像处理技术，将包含对象内部信息的三维实体数据转换为图形或图像在屏幕上显示并进行交互处理的技术。三维体视化使研究者能够观察对象的内部结构并模拟对象的行为，在各行业有着广泛的应用。直接体绘制是近年来发展迅速的一种体视化方法。这种方法能够产生三维数据场的整体图像，包括每一个细节及揭示数据场中多种物质间的相互关系，并具有图像高质量、便于并行处理等优点，但存在计算量大的缺点，难以用传统硬件实现绘制，并且由于成像速度慢，不利于实时交互处理。

论文目录:

研究生学位论文原创性声明

作者简介

摘要

Abstract

第一章 绪论

1.1 引言

1.2 GPU发展及硬件特点

1.3 研究GPU通用计算的意义

1.4 国内外发展现状

1.5 本文主要工作及内容组织

第二章 GPU计算基础

2.1 GPU计算基本流程

2.2 GPU编程环境

2.2.1 OpenGL简介

2.2.2 Cg(c for Graphics)语言简介

2.3 本文用到的几个重要概念和术语介绍

2.3.1 纹理

2.3.2 pass

2.3.3 片元

第三章 用 GPU实现遗传算法解 SAT问题

3.1 问题简述

3.1.1 SAT问题简介

3.1.2 遗传算法(GA)简介

3.1.3 使用遗传算法来求解3-SAT问题

3.2 基于GPU解 SAT问题的遗传算法

3.2.1 数据结构

3.2.2 GPU实现流程

第四章 基于 GPU的直接体视化计算

4.1 体视化简介

4.1.1 体视化的定义

4.1.2 体视化的发展背景

4.1.3 体数据

4.1.4 三维空间数据可视化流程

4.1.5 三维空间数据场可视化算法

4.2 基于光线投射法的直接体绘制

4.2.1 基本思路

4.2.2 设置坐标系

4.2.3 放置视平面

4.2.4 旋转视平面

4.2.5 光线投射方法

4.2.6 采样方法

4.2.7 图像合成

4.3 基于 GPU计算实现直接体绘制

4.3.1 pass1-计算方向矢量

4.3.2 pass2-映射体数据表面坐标

4.3.3 pass3-passn图像合成

4.3.4 图像效果

4.3.5 GPU体视化演示系统简介

第五章 GPU计算的效率分析

5.1 遗传算法效率分析

5.2 体视化效率分析

第六章 结论

致谢

参考文献

发布时间: 2007-01-12

参考文献

• [1].基于GPU高性能计算的人脸表情识别算法的研究[D]. 夏春芬.武汉理工大学2011
• [2].基于GPU的倒向随机微分方程的期权定价的并行算法研究[D]. 代斌.山东大学2012
• [3].结合GPU技术的并行张量分解算法的研究与应用[D]. 武昱.兰州交通大学2018
• [4].基于GPU并行计算的响应面快速寻优算法及应用[D]. 张焕泉.广东工业大学2018
• [5].基于GPU技术的实时全日面磁场深积分观测系统[D]. 佟立越.昆明理工大学2018
• [6].基于GPU加速的医学图像显示及处理系统[D]. 胡杨升.昆明理工大学2018
• [7].基于嵌入式GPU的指纹汗孔识别软件并行设计[D]. 詹程凯.浙江工业大学2017
• [8].基于GPU调度的流水作业优化算法研究[D]. 唐梦倩.东北大学2016
• [9].基于嵌入式GPU的USB插头表面缺陷检测算法研发[D]. 黄威.浙江大学2018
• [10].基于YARN的GPU调度支持及调度策略研究[D]. 董辉.电子科技大学2018

相关论文

• [1].GPU通用计算中的数据结构组织与应用研究[D]. 黄敬磊.解放军信息工程大学2007
• [2].基于GPU的实时绘制及其应用[D]. 苏智勇.南京理工大学2006
• [3].一种基于GPU加速的二维图像铅笔化算法[D]. 张应利.大连理工大学2006
• [4].基于GPU的颜色传递算法在视频处理中的应用[D]. 甘小方.大连理工大学2006
• [5].基于GPU的直接体绘制技术[D]. 储璟骏.上海交通大学2007
• [6].基于GPU集群的并行体绘制[D]. 孔明明.浙江大学2007
• [7].GPU通用计算在CT中的应用[D]. 胡修炎.首都师范大学2007
• [8].基于可编程图形硬件的体绘制技术研究[D]. 罗艳.西南交通大学2007
• [9].基于通用可编程GPU的视频编解码器——架构、算法与实现[D]. 房波.浙江大学2005
• [10].基于GPU的串匹配算法的实现[D]. 张庆丹.中国科学院研究生院（计算技术研究所）2006

标签：高性能计算论文;  并行计算论文;  图形处理器论文;  体视化论文;  直接体绘制论文;  遗传算法论文;