基于GPU的邻近粒子搜索优化算法

为提高邻近粒子的搜索速度,基于硬件图形处理器(GPU),采用SPH方法中交替使用邻域区域相关搜索法和条形Point-In-Box(PIB)搜索法的机制,实现一种基于GPU的邻近粒子融合搜索算法。利用该方法对典型的流体溃坝现象进行模拟,在搜索效率和搜索准确率方面,与基于CPU的融合搜索法和基于GPU的多维树搜索法进行对比。实验结果表明,该算法的性能随着粒子数的增多,表现更优。

一种改进的邻近粒子搜索算法

为提高SPH方法中邻近粒子的搜索效率,采用条形Point-In-Box(PIB)搜索法和邻域区域相关搜索法交替执行机制,实现了一种邻近粒子融合搜索算法.实验中,分别用融合搜索法的SPH方法和条形PIB搜索法的SPH方法对溃坝现象进行了模拟,并对条形PIB搜索法、邻域相关搜索法和融合搜索法在搜索时间和准确率上进行了比较,证明了融合算法的可行性和高效性.