CUDA环境下旅行商问题的算法.ppt

CUDA环境下旅行商问题的算法研究 信息科学与技术学院 一个中心，两个基本点 项目意义 创新性 对计算性能的巨大提升空间 广泛的应用面 NP问题 其他计算问题（流体力学，分子动力学等） 为什么要选择GPGPU CPU和GPU的对比 GPGPU VS CPU GPGPU VS CPU 计划的科学性 为什么选择CUDA平台？ 为什么选择TSP问题？ 成果如何转化？ 如何利用GPU GPGPU已经不是一个新生的概念，为什么这么长时间都一直没能普及呢? GPGPU的传统方法 CUDA架构 CUDA的优势 基于标准的C语言 为计算高度优化的驱动程序和通道 CUDA兼容的GPU（图形处理器）包括很多：从低功耗的笔记本上用的GPU到高性能的，多GPU的系统 为在支持CUDA的NVIDIA GPU（图形处理器）上进行并行计算而提供了统一的软硬件解决方案 为什么选择TSP问题 适合平台 计算密集 逻辑控制较简单 成熟性 算法已经基本成熟 代表性 团队特点 成果的转化 能够在相当成本下成倍提高经典NP问题的速度，本身就有很大的价值 低成本的高性能计算平台的尝试 CUDA平台下的开发经验 团队人员组成的科学性 算法经验 2名队员获得过NOIP省一等奖 开发经验 熟悉C语言，有项目开发经验 时间保证 成绩优秀，学有余力 团结合作 Thank You 谢谢各位老师对我们的指导和帮助 * * * *