《基於CPU/GPU異構協同的並行離散事件仿真關鍵技術研究》是依託北京航空航天大學，由宋曉擔任項目負責人的面上項目。
基本介紹
- 中文名：基於CPU/GPU異構協同的並行離散事件仿真關鍵技術研究
- 外文名：Research on the key technologies of Discrete event simulation based on CPU/GPU heterogeneous collaboration
- 依託單位：北京航空航天大學
- 項目負責人：宋曉
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
相對於時間步進仿真，具有更高運行效率的並行離散事件仿真方法近年來逐漸成為仿真界的研究熱點。但事件的隨機性和不規則性使後者更難於對應到GPU眾核的大規模並行性，為了克服這一困難，本課題提出研究一種面向並行離散事件仿真的基於CPU和GPU多執行緒協同調度與通信的方法。同時，為克服傳統保守時間推進策略事件處理並行性不足的缺點，提出一種樂觀／保守並存的利用運行時信息擴展可安全執行事件時間界限的算法。進而從改進仿真記憶體布局和提高系統計算／通信比出發，提出一種減小GPU執行緒核全局記憶體訪問延遲的算法。從而全面提高CPU／GPU異構資源利用率，為解決大規模並行離散事件仿真系統運行效率低的問題打下堅實基礎。
結題摘要
研究建立了一種面向並行離散事件仿真的基於CPU和GPU多執行緒協同調度與通信的方法，研究提出了基於CPU/GPU協同並行的中觀交通仿真方法並有效運用於新加坡高速路網。仿真實驗證明，所提出的中觀交通仿真框架能有效減少仿真時間。通過對比理想格線/實際路網仿真套用中GPU並行和CPU串列的運行效率，結果是相對於串列CPU，並行GPU最大加速比分別是10.0倍和4.4倍，減少了交通部門的預測時間。從改進仿真記憶體布局和提高系統計算／通信比出發，提出一種CPU/GPU異構協同的多智慧型體加速算法。所提出的多智慧型體GPU加速路徑規划算法在算法層面實現了最短路徑搜尋算法的並行設計。通過該並行算法，使得路徑搜尋所花費的時間不管是對agent數目亦或是地圖格線粒度都不再那么敏感，並行化的全局A*算法較串列化的全局A*算法在格線粒度為200*200時提高了23倍。進一步地，建立起完整的基於GPU的仿真框架，設計了GagentData、Gagent、GModel、GWorld、GVisuial、GRandom等模組及其相應的API，通過簡單的函式調用及參數設定，就能夠構建並運行個性化的多智慧型體仿真場景。基於以上研究，在並行仿真、多智慧型體仿真等領域，開發了一種面向並行化的建模與仿真語言，實現了高超聲速飛行器中控制與氣動模型的求解，成果獲中國仿真學會科技進步一等獎和國際建模仿真大會傑出論文獎等獎勵。發表SCI論文17篇，授權專利1項，英文專著1本。
