基于CUDA的GPU技术快速处理海量数据应用探析

随着科技界对GPU的深入研究,GPU的作用已经不再局限于3D图形处理了,特别是在NVIDIA推出CUDA高性能计算系列解决方案后,专业技术人员能够凭借这项技术解决以前无法解决的问题。另一方面在信息化社会中,各行业涉及业务信息量急剧增加,如何快速处理海量数据,GPU技术在未来将大有作为。

一种基于GPU的高效合成孔径雷达信号处理器

随着合成孔径雷达(SAR)应用的不断扩展,其所需要处理的数据量也在不断增加,传统的SAR信号处理器的处理速度成为其应用扩展的瓶颈。为了应对这些挑战,需要高效的SAR信号处理器来加快计算速度。文章利用图形处理器(GPU)这一新颖高效的的计算平台进行SAR信号处理,利用GPU通用并行计算,使用CUDA实现SAR成像算法,充分发挥其计算能力。实验结果表明,其处理速度是基于CPU的传统SAR信号处理器的10倍以上。它为解决在未来SAR信号处理中可能出现的问题提供了一种可靠的方法。

基于改进PSO算法的物流网点选址研究

在阐述目前设施选址模型和快递网点布局研究的基础上,针对物流网点整体偏少并且布局不合理的问题,以建立物流网点所需满足时效性及经济成本最小化要求为目标构建模型,采用改进后P-中值选址模型对物流网点在某区域的选址问题进行研究,在标准粒子群算法的基础上采用CUDA并行编程模型求解以提高计算速度,最后通过某区域物流网点的选址实例验证算法的可行性。

基于GPU的AC模式匹配改进算法

字符串匹配算法的应用非常广泛,在信息检索、信息安全等领域都起着关键的作用。近年来,由于GPU通用计算的高速发展,且GPU具有很强的并行计算能力和很高的存储器访问带宽,利用GPU来加速字符串匹配算法吸引了越来越多的关注。提出的改进的AC模式匹配算法,在对前人工作的基础上,进一步消除了output表的存储,将纹理存储器中的查表操作转换为数值比较操作,与改进前算法相比,速度提高了80%以上;进一步的,引入了多个可变参数,提高AC算法的有效数据匹配率,并优化线程块的大小,优化后的算法与采用一种特殊匹配方式的高效的PFAC算法相比,速度提高了9%以上。