邻居搜索问题在CUDA上基于KD-TRIE方法的优化与实现

介绍如何在CUDA上搭建KD—TRIE，并对其进行搜索，使其能适应解决邻居搜索问题．实验结果表明，当搜索半径较小（如整个空间直径的0．01和0．001），数据规模较大（如10^6）时，使用KD-TRIE进行搜索的效果最佳，与蛮力算法相比可以达到加速比5000～15000倍的效果；当搜索半径较大时，加速比会相应减少．采取优化措施，可以提高加速比．

基于CUDA粒子系统的烟花仿真

粒子系统的基本理论符合自然世界的客观规律,适用于烟花等复杂现象的仿真。针对粒子系统仿真存在的计算和内存资源消耗巨大等问题,建立了基于统一计算设备架构(CUDA)框架的粒子系统基本模型,讨论了模型中粒子的存储与运动更新,研究了基于CUDA的并行KD-TRIE邻近粒子搜索算法。运用建立的CUDA粒子系统,研究了烟花仿真的具体实现。仿真结果表明,系统能够较逼真地仿真烟花的上升与绽放过程,帧率高达每秒312帧,仿真的真实感和实时性得到增强。