基于CUDA的大规模群体行为实时仿真并行实现及优化
群体仿真中个体从环境中查找相关对象时会导致较高的时间复杂度.要使大规模群体能够实时仿真,必须降低模型运算的时间复杂度或者提高计算平台的能力.通过对Biods模型为典型案例进行研究,提出一种基于统一计算架构(CUDA)的大规模群体行为实时仿真并行实现及优化的方法.实现中将个体与GPU逻辑线程一一对应,通过将仿真环境离散化来提高相关个体查找的效率,通过并行化基数排序法将个体信息组织成具有空间局部性的数组,提高图形处理器(GPU)内存带宽的利用率.通过实验验证了该方法将仿真个体的数量提升到CPU方法的约7.3倍.
大规模群体行为、统一计算架构、并行计算、实时仿真
32
TP391.9(计算技术、计算机技术)
江苏省自然科学基金资助项目BK2010130,BK2011120
2012-12-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
2466-2469