針對Multi-core CPU和General Purpose GPU在MATLAB下微分方程常用算法的優(yōu)化.pdf_第1頁
已閱讀1頁，還剩56頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著各種新型體系結(jié)構(gòu)不斷涌現(xiàn),高性能超級計算機(jī)體系結(jié)構(gòu)正在變革。采用多核cPU與通用GPU相結(jié)合的異構(gòu)混合體系結(jié)構(gòu)的計算平臺被認(rèn)為是一種可行途徑。
　　 在通用GPU和多核CPU異構(gòu)并行運(yùn)算時,CPU和GPU應(yīng)各自發(fā)揮所長,高速且協(xié)調(diào)的完成大批量的高性能計算任務(wù)。另外,CPU除用做邏輯管理外,也應(yīng)當(dāng)承擔(dān)一部分科學(xué)計算任務(wù)。
　　 本次研究的主要任務(wù)目的是利用MATLAB,討論對于微分方程(組)常用的算法,在多核CPU和G

2、PGPU下,相應(yīng)的算法優(yōu)化問題。
　　 本文選取討論四個微分方程(組)常用的算法,分別為有限差分法,龍格-庫塔法,克蘭克-尼科爾森法和打靶法。在多核CPU和GPGPU下,相應(yīng)的算法優(yōu)化問題,以期給出一般性算法優(yōu)化的指導(dǎo)意見,從而提高在科學(xué)和工程研究中大量應(yīng)用的微分方程(組)在不同架構(gòu)的超級計算機(jī)下求解的效率。
　　 本次構(gòu)架的平臺需要完成三次比較,分別為單核CPU串行運(yùn)算,算法優(yōu)化為并行運(yùn)算后利用多核CPU的并行運(yùn)算,算

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論