雅可比迭代法在图形处理器上实现的研究

doi:10.3778/j.issn.1002-8331.2009.34.017

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (34): 53-55.DOI: 10.3778/j.issn.1002-8331.2009.34.017

雅可比迭代法在图形处理器上实现的研究

张健^1，2，涂永明³，涂晓明⁴

1.南京工程学院通信工程学院，南京 211167
2.东南大学电子科学与工程学院，南京 210096
3.东南大学混凝土及预应力混凝土结构教育部重点实验室，南京 210096
4.中国人民解放军 91960部队 71分队

收稿日期:2009-04-20 修回日期:2009-05-26 出版日期:2009-12-01 发布日期:2009-12-01
通讯作者: 张健

Investigation of implement of Jacobi iteration on GPU

ZHANG Jian^1，2，TU Yong-ming³，TU Xiao-ming⁴

1.School of Communication，Nanjing Institute of Technology，Nanjing 211167，China
2.School of Electronic Science and Engineering，Southeast University，Nanjing 210096，China
3.Key Lab of Concrete and Prestressed Concrete Structure of Ministry of Education，Southeast University，Nanjing 210096，China
4.71 Unit of 91960 Army Force of the Chinese PLA

Received:2009-04-20 Revised:2009-05-26 Online:2009-12-01 Published:2009-12-01
Contact: ZHANG Jian

摘要/Abstract

摘要： 雅可比迭代法是求解大型线性方程组的基本方法。利用GPU（Graphics Processing Unit，图形处理器）的并行处理能力，将雅可比迭代求解线性方程组过程中运算量较大的部分移植到GPU上执行，以提高运算速度。并分析了影响运算速度的两个因素：CPU-GPU数据交换和共享变量的访问；实验结果表明采用单个thread访问共享变量判断迭代是否收敛时，线性方程组的阶数为500，速度可以提高45倍以上。

关键词: 雅可比迭代, 图形处理器, CPU-GPU数据交换, 共享变量

Abstract: Jacobi iteration is the basic method to solve the large-scale linear equations.In this paper，the parts of Jacobi iteration，which needs a lot of time for calculation，are transplanted on Graphics Processing Unit（GPU） to run，in order to improve the speed to solve the large-scale linear equations with the parallel processing capabilities of GPU.The two factors，which effect the speed，are analyzed：The data exchange between CPU and GPU and the accessing of shared memory.The experiment shows when the order of linear equations is 500，the speed of calculation improves more than 45 times.

Key words: Jacobi iteration, Graphics Processing Unit（GPU）, data exchange between CPU and GPU, shared memory

中图分类号:

TP317.4

张健^1，2，涂永明³，涂晓明⁴. 雅可比迭代法在图形处理器上实现的研究[J]. 计算机工程与应用, 2009, 45(34): 53-55.

ZHANG Jian^1，2，TU Yong-ming³，TU Xiao-ming⁴. Investigation of implement of Jacobi iteration on GPU[J]. Computer Engineering and Applications, 2009, 45(34): 53-55.

[1]	杨捷，吴素萍. 点云重建的并行算法[J]. 计算机工程与应用, 2020, 56(6): 213-219.
[2]	朱超，吴素萍. 特征点检测DoG并行算法[J]. 计算机工程与应用, 2020, 56(10): 36-43.
[3]	范昱伶1，王美丽1，何东健2. 基于OpenCL的点云分割方法[J]. 计算机工程与应用, 2018, 54(1): 191-195.
[4]	丁祥武，陈金鑫，王梅. 异构计算平台上列存储系统的并行连接优化策略[J]. 计算机工程与应用, 2017, 53(5): 73-80.
[5]	刘高明1，2，荣葵2，朱辉1，谭怀亮2. 应用于嵌入式RTOS的图形显示系统设计[J]. 计算机工程与应用, 2016, 52(9): 190-195.
[6]	公维理. 基于嵌入式CPU-GPU的高清鱼眼视频实时校正系统[J]. 计算机工程与应用, 2016, 52(14): 172-179.
[7]	张延松1，2，苏明川1，张宇1，王方舟1. 位图连接索引服务机制研究[J]. 计算机工程与应用, 2015, 51(5): 107-115.
[8]	林敏，钟一文. 三种GPU并行的自适应邻域模拟退火算法[J]. 计算机工程与应用, 2015, 51(22): 70-76.
[9]	朱正东1，刘袁1，魏洪昌１，颜康1，王寅峰2，董小社1. 面向CPU-GPU架构的源到源自动映射方法[J]. 计算机工程与应用, 2015, 51(21): 41-47.
[10]	汪宏1，2，王鹏1，2. 基于GPU的AC模式匹配改进算法[J]. 计算机工程与应用, 2015, 51(18): 7-12.
[11]	曾博1，2，雷友诚1，王丛知2，邱维宝2，冯歌2，曾成志2，杨戈2，郑海荣2. 基于CUDA的声辐射力弹性成像算法研究[J]. 计算机工程与应用, 2015, 51(18): 249-254.
[12]	龙满生，罗文浪. 基于OpenCL的累积汇流并行计算[J]. 计算机工程与应用, 2014, 50(3): 22-29.
[13]	唐绍华. 面向众核GPU加速系统的网络编码并行化及优化[J]. 计算机工程与应用, 2014, 50(21): 79-84.
[14]	张兵强1，张立民1，李垠广2，张建廷1. 分块LOD连续非线性分布的地形渲染[J]. 计算机工程与应用, 2013, 49(4): 213-218.
[15]	刘进锋. 几种CUDA加速高斯滤波算法的比较[J]. 计算机工程与应用, 2013, 49(23): 14-18.

雅可比迭代法在图形处理器上实现的研究

Investigation of implement of Jacobi iteration on GPU

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics