学位论文 > 优秀研究生学位论文题录展示
基于多核计算环境的并行PHYLIP的设计与实现
作 者: 韩枫
导 师: 李明禄
学 校: 上海交通大学
专 业: 计算机应用技术
关键词: PHYLIP软件包 多核CPU 通用GPU OpenMP CUDA
分类号: TP332
类 型: 硕士论文
年 份: 2011年
下 载: 33次
引 用: 0次
阅 读: 论文下载
内容摘要
系统发育分析是生物信息学的重要研究方向,它包含了多种算法,用于序列分析和生成系统发育树。随着序列数据规模的不断增大,人们开始关注这些算法的性能问题,对这些算法的并行化研究也越来越多。PHYLIP作为一个使用广泛的系统发育分析软件包同样面临性能问题,它的一些程序拥有较高的时间复杂度,经常需要几小时甚至几十个小时来处理大规模的序列数据。虽然目前已经有了一些对PHYLIP软件包的并行化研究工作,但是这些工作大多基于PHYLIP的早期版本,并使用基于消息传递的并行环境。随着多核CPU的流行和通用GPU的出现,这些基于多核的并行环境为我们的优化工作提供了更多的选择。相比基于消息传递的集群环境,多核CPU并行环境,尤其是通用GPU并行环境所需的软硬件投入较少,拥有更好的性价比。本文分别使用多核CPU和通用GPU并行环境,对PHYLIP中的距离矩阵算法和最大似然算法的程序进行并行优化。我们对算法进行了详细的分析,并结合各并行环境的特点,设计适当的并行策略和优化方式,最终获得了满意的性能提升。在4核8线程的CPU环境下,经过OpenMP优化后,生成距离矩阵的程序可以获得7倍到8倍的加速比,最大似然算法的实现程序也可以获得2倍到6倍的加速比;在一块NVIDIA Tesla C2050上,使用CUDA进行并行后,两个生成距离矩阵程序的加速比分别可以达到16倍和72倍,而DNA序列最大似然算法实现程序的加速比也超过了9倍。从本文的工作可以得到这样的结论:多核CPU和通用GPU环境是有效且高性价比的并行环境,可以有效提升距离矩阵算法和最大似然算法的程序性能。同时,正确分析算法的可并行性,并根据并行环境的特点合理选择优化方式,是提升算法性能的必要条件。
|
全文目录
相似论文
- 基于CUDA的图像数字水印技术的研究,TP309.7
- 基于GPU的BLAST程序的并行计算的研究,TP338.6
- 基于GPU的医学图像体绘制算法的研究与实现,TP391.41
- CUDA技术在多节点超短期负荷预测上的应用,TM715
- GPU在车辆检测与跟踪系统中的应用研究,TP391.41
- 水稻分蘖断层图像重建加速研究,TP391.41
- 基于并行计算的立体影像密集匹配算法研究,TP391.41
- 快速智能入侵检测技术研究,TP393.08
- 彩色图像的超分辨率重建与并行处理技术的研究,TP391.41
- 基于GPU的有限元方法研究,O241.82
- 心血管系统虚拟内窥镜技术研究,TP391.41
- 基于能量最小化的腹部CT图像分割与三维可视化,TP391.41
- 基于多核环境的基因贝叶斯网络构造算法研究与实现,Q75
- 基于CUDA的正则表达式匹配系统的设计与实现,TP311.52
- 基于GPGPU的快速白光干涉测量系统研究,O439
- 群体仿真算法研究及疏散仿真系统开发,TP391.9
- 基于GPU的图书推荐系统研究与实现,TP391.3
- 基于CUDA的视频火灾检测系统,TP391.41
- 基于GPU的X射线重建算法加速研究,TP391.41
- 基于GPU加速的中性气体泄漏模拟与救援研究,TP391.41
- 结构光条纹图像处理技术研究,TP391.41
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 > 电子数字计算机(不连续作用电子计算机) > 运算器和控制器(CPU)
© 2012 www.xueweilunwen.com
|