欢迎来到天天文库
浏览记录
ID:51200448
大小:19.38 MB
页数:83页
时间:2020-03-21
《基于GPU的近似字符串匹配并行算法的研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、中文摘要中又摘要图形处理器(GPU)具有很强的并行处理能力,并且设备成本低,利用GPU加速字符串操作已经成为了当前并行计算领域的研究热点。近似字符串匹配技术在病毒检测、文件检索、计算生物学等很多领域都有着广泛的应用,传统的串行算法运算速度慢,而现存的并行算法都是基于多处理器模式,计算设备成本很高,耗电量大。因此,在GPU上研究有效的近似字符串匹配并行算法具有重大的实际意义。本文的主要研究内容及贡献如下:首先,对GPU通用计算的编程环境进行了总结,重点研究了NVIDIACUDA的工作原理,编程模型和存储器模型,以及如何配置CUDA编程环境。其次,对于允许k-mismatch的近似字符串匹配
2、问题,基于CUDA模型,本文提出了三种并行算法,即线程级并行算法,两级并行算法,以及两级并行优化算法。两级并行优化算法在利用GPU强大并行处理能力的同时,使得各线程负载均衡,并且利用GPU的存储器模型减少了每个线程对全局存储器中数据的访问次数。本文使用真实的DNA序列作为实验数据对算法的性能进行评估,实验结果表明,两级并行优化算法在GPU上的执行时间对于传统的CPU端串行算法的加速比可达到40.80,加速比变化趋势与理论分析一致,其它两个算法的加速比也可以达到7.10。最后,对于允许k-difference的近似字符串匹配问题,基于动态规划的方法,通过消除编辑距离矩阵中同一行数据间的依赖
3、关系,本文提出了一个空间复杂度为o(1∑l,z),时间复杂度为D(盟学)的并行算法DAsMP,,z为文本长度,m为模式长度,l∑I为字典表集合的大小,M为处理器个数。本文分别在GPU.币IJ多核CPU上对算法进行了实现,并对两种环境下算法的加速比进行了分析。实验结果表明,DASMP算法在GPU上的执行时间对于传统的CPU端串行算法的加速比可以达到7.13,在双核CPU上算法的加速比可以达到1.3,在24核CPU上的加速比可以达N8.12,并且加速比的变化趋势与理论分析一致。关键字:近似串匹配,GPU,并行算法,汉明距离,编辑距离黑龙江大学硕士学位论文AbstractGPUhashighp
4、arallelprocessingcapabilityandlowcostofequipments.AcceleratingstringoperationsonGPUhasbeenaresearchfocusonparallelcomputingarea.Approximatestringmatchingtechniquehasbeenwidelyappliedtomanyfieldssuchasvirusdetection,textminingandcomputationalbiology.Thetraditionalsequentialalgorithmsareslow,andthe
5、parallelalgorithmsareallbasedonmultipleprocessors,whichhavehighcostofequipmentsandenergy.Therefore,theeffectiveparallelalgorithmforapproximatestringmatchinghassignificantpracticalsignificance.砀emainresearchsandcontributionsofthisthesisareasfollows。Firstly,thispapersummarizestheprogrammingenvironm
6、entforGPGPU,andstudiestheworkingprinciple,programmingmodel,storagemodelandprogrammingenvironmentconfigurationmethodofCUDAindetail.Secondly,fortheproblemofk-mismatchapproximatestingmatching.BasedonCUDA,thispaperpresentsthreeparallelalgorithms,namely,thethreadparallelalgorithm,theblock-threadparall
7、elalgorithm,andtheOPT-block-threadparallelalgorithm.TheOPT-block-threadparallelalgorithmCantakefulladvantageofthepowerfulparallelcapabilityofGPU.Furthermore,itbalancestheloadamongthethreesandoptimizestheexecutiontimewi
此文档下载收益归作者所有