学位论文 > 优秀研究生学位论文题录展示

GPU通用计算在游戏中的应用案例研究

作　者: 秦晨光
导　师: 扈文峰
学　校: 中国传媒大学
专　业: 计算机应用技术
关键词: 可编程图形硬件 实时计算 二维水波方程 游戏人工智能
分类号: TP391.41
类　型: 硕士论文
年　份: 2007年
下　载: 382次
引　用: 2次
阅　读: 论文下载
 

内容摘要


当今的图形硬件(GPU)有着高度的并行性和很高的存储带宽,这使得GPU比CPU更适合于流处理计算。随着GPU性能和可编程性的提高,基于可编程图形硬件的通用计算成为近些年来图形学领域研究的热点。以往的研究大都针对某一类具体问题,缺乏一定的通用性。而NVIDIA的CUDA通用型很强,却只能在NVIDIA的8800上的显卡上运行。本文从图形硬件发展的历史开始,介绍和分析GPU编程模型和数据结构,以及最新GPU在通用计算方面的应用及其技术原理和发展状况。文章提出了一个利用GPU来加速游戏中矢量、矩阵之间基本代数运算应用程序框架。并且给出了在游戏中应用该框架加速渲染水面和人工智能计算的例子。富有挑战性的人工智能可以大大提高游戏的可玩性,给游戏玩家更高一层的浸入感。以往的人工智能计算大都由CPU来完成,随着人工智能算法复杂性的提高,CPU变得不堪重负。利用GPU计算人工智能是一个可行的方案,既可以均衡负载,又可以提高计算速度。本文实现框架在游戏中有着广泛的应用,利用它可以加速游戏AI逻辑的计算,也可以求解微分方程,在游戏中实现基于物理的水面。本文算法的主要贡献和创新点在于如下工作:本文实现了一个使用GPU计算向量、矩阵代数运算的通用框架,利用纹理表示向量、矩阵等数据结构,完全在GPU上运行。该框架封装了GPU的实现细节,在图形硬件和应用程序之间形成一个抽象层,具有很强的通用型。并且,利用shader model3.0的最新特性,最大限度减少GPU和CPU的通信,改善整体性能。利用GPU加速游戏AI逻辑的计算,能够在游戏中实时进行人工神经网络的测定和训练。利用文章实现的框架求解了二维水波方程,实时渲染出真实感非常高的二维水面。为在游戏中实现基于物理的水面提供了一个可行的方案。对GPGPU的发展前景作出了展望。

全文目录


摘要  3-4
Abstract  4-8
1 绪论  8-17
  1.1 技术背景  8-13
    1.1.1 什么是GPGPU?  8-12
    1.1.2 为什么要利用GPU 进行通用计算?  12-13
  1.2 研究进展  13-16
  1.3 本文的研究内容和章节安排  16-17
2 GPU 编程模型  17-34
  2.1 GPU 体系结构  17-21
  2.2 对流数据的编程  21-23
  2.3 GPU 的存储系统  23-28
    2.3.1 存储系统体系结构  24
    2.3.2 GPU 中数据流的类型  24-28
  2.4 GPU 内核对存储器的访问  28-29
  2.5 GPGPU 的数据结构  29-34
    2.5.1 浮点数  29-30
    2.5.2 数组  30-33
    2.5.3 结构体  33
    2.5.4 稀疏数据结构  33-34
3 GPU 程序的优化  34-39
  3.1 并行性  34-35
    3.1.1 指令级并行性  34-35
    3.1.2 数据级并行性  35
  3.2 代码优化  35-38
    3.2.1 预先计算循环变量  35-36
    3.2.2 分支语句  36
    3.2.3 变scatter 操作为gather 操作  36-38
  3.3 有限的输出和缓慢的回读  38-39
4 基于GPU 的向量代数运算框架  39-47
  4.1 数据的表示  39-42
    4.1.1 单个浮点数的表示  39
    4.1.2 向量的表示  39-40
    4.1.3 矩阵的表示  40-42
  4.2 数据操作  42-45
    4.2.1 向量运算  42-43
    4.2.2 向量约减  43
    4.2.3 矩阵与向量乘法  43-45
  4.3 程序框架  45-47
5 GPGPU 在游戏中的应用案例  47-58
  5.1 基于物理的水面渲染  47-53
    5.1.1 共轭梯度法  47-48
    5.1.2 二维波方程  48-51
    5.1.3 性能分析  51-53
  5.2 利用GPU 处理人工神经元网络  53-56
    5.2.1 人工神经元网络  54-55
    5.2.2 实现  55-56
  5.3 利用GPU 加速Floyd-Warshall 算法  56-58
    5.3.1 CPU 上的Floyd-Warshall 算法  56-57
    5.3.2 GPU 上的Floyd-Warshall 算法  57-58
结论  58-59
参考文献  59-61
攻读硕士学位期间发表学术论文情况  61-62
致谢  62

相似论文

  1. 人工智能技术在游戏开发中的应用与研究,TP18
  2. 基于GPU的实时阴影算法研究,TP391.41
  3. 基于点的真实感图形绘制技术研究,TP391.41
  4. 一种基于减基法的结构动力分析实时计算方法,TB122
  5. 基于CUDA的实时MIP重建及其立体显示,TP391.41
  6. 基于GPU的3D水墨画效果的研究,TP391.41
  7. 非真实感中艺术风格模拟技术的研究,TP391.41
  8. 电力机车模拟驾驶装置视景仿真开发,TP391.9
  9. 计算机游戏中智能角色行为的研究与实现,TP311.52
  10. 基于GPU硬件加速的医学图像融合研究,TP391.41
  11. 三维分形地形真实感绘制,TP391.41
  12. 游戏引擎中特效的实时渲染技术研究,TP391.41
  13. 实时阴影绘制算法研究及在城市仿真中的应用,TP391.41
  14. 单芯电缆暂态温度场及载流量实时计算方法的研究,TM247
  15. 锅炉热效率计算方法研究与软件开发,TK222
  16. 基于可编程图形硬件的三维图像快速重建算法研究,TP391.41
  17. 高动态图像视觉保真实时显示变换技术,TP391.41
  18. 多发型头发实时绘制算法的研究,TP391.41
  19. 真实感物体表面细节绘制方法,TP391.41
  20. 基于Brew平台的人工智能的研究,TP311.52
  21. 基于BREW的移动终端大型互动应用的开发与研究,TN929.53

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com