● 摘要
钢格板是一种格栅状的钢结构材料,广泛应用在建筑、水利等领域,我国钢格板企业在设计、生产过程中所使用的设计工具缺乏针对性,工艺优化效率不高。通过对钢格板生产企业的需求分析与业务流程优化,本课题设计开发了钢格板计算机辅助设计与优化排料系统,对钢格板设计、生产流程进行了全程优化,显著提高了钢格板的设计生产效率。随着GPU可编程性和处理能力的不断提高,其应用也慢慢从图形领域延伸到需要强大计算能力的高性能计算领域,面对迅猛发展的多核以及GPU,传统的串行编程方式已经无法满足日益增长的计算能力。因此不管是学术界还是工业界,一直都在寻找一个合适的并行编程模型来解决如何充分有效地利用CPU和GPU资源进行并行计算的难题。CUDA是NVIDIA公司伴随着统一渲染架构推出的一种通用的GPU编程模型,它绕过了图形流水线,直接对GPU的硬件核心做了一层多线程封装,根据其提供的多线程并行编程接口,用户可以很有效地开发线程级并行程序。这种新型的GPU编程模型语法是对C语言的一个扩展,从而降低了程序员利用GPU来做通用计算的学习难度,使得GPU能够更有效地用于通用计算。本课题开发设计了钢格板优化排料系统,同时通过CUDA实现了遗传算法的并行计算,将其应用在钢格板工艺优化CAD系统。我们对比了相同数据计算量的情况下CPU和GPU的运算时间,实验数据说明在GPU上并行执行的遗传算法相对于在CPU上串行执行的遗传算法能达到几十甚至上百倍的加速,同时我们对比了最后的布板效果图,实验结果表明GPU在高速计算的同时完全可以保证计算的精度。为了进一步探索GPU的计算能力,本文针对传统并行粒子群算法在应用中的不足,结合GPU的高速并行性,提出了一种基于GPU加速的细粒度并行粒子群算法,使得粒子群算法在GPU上加速执行,一定程度上提高了算法的运算速度,并将基于GPU加速的并行粒子群算法应用在CAD领域,实现了一种基于粒子群优化和GPU加速的椭圆拟合算法,有效地提高了算法的效率,实验结果表明该算法在椭圆拟合过程中得到了较准确的实验结果。
相关内容
相关标签