全文总字数：9761字
1. 研究目的与意义（文献综述）
近年来，为了推动科学技术的发展，越来越多的学科领域选择使用仿真软件进行科学研究。传统仿真软件将所有计算任务部署在cpu上，cpu要兼顾指令和数值的并行运算，而且大部分的晶体管用在了 cache（高速缓冲存储器）和控制电路上，控制电路十分的复杂，内部仅有5% 的 alu（算术逻辑单元，即运算器）[[i]]。但大规模软件仿真系统中实体模型数量庞大，传统的cpu架构运行效率很低，大量资源耗费在内存调度中。相比较于 cpu 的设计， gpu 在一些需要耗费巨大运算力的问题处理上显得优势明显，它对 cache 需求不高，控制电路也较 cpu 简单许多，于是它大部分的晶体管用在了计算单元上，内部有 40% 的 alu。gpu拥有大量重复设计的计算单元，适用于实现大规模同类型数据的密集计算。
针对上述现象，本次设计一种基于cuda的大规模仿真模型优化软件。设计采用通用并行计算架构（computeunified device architecture，cuda）[[ii]],采用gpu cpu异构架构，对仿真软件实体模型进行并行化计算设计，以提升仿真软件的计算效率。
1.1国内外研究现状
2. 研究的基本内容与方案
2.1 需求说明和基本内容
本次设计应当以传统的仿真模型软件为基础，采用gpu cpu异构架构，基于cuda平台，通过并行化计算实现大规模仿真模型优化软件，以提高传统仿真软件的计算效率。以实现一种可以实用的并行仿真软件为主要目标，要求对传统仿真软件进行并行化加速升级，最终通过实验测试其加速比，以验证加速效果。
3. 研究计划与安排
第1—3周：查阅相关文献资料，明确研究内容，了解研究所需理论知识，对系统要求进行分析，确定方案；
第4—5周：完成外文文献翻译，撰写开题报告，掌握gpu的架构和基本工作原理，了解cpu和gpu的通信过程；
第6—7周：学习并行计算编程，掌握并行程序设计的基本思想；
4. 参考文献（12篇以上）
[[1]]张澳博. gpu并行计算分析[j]. 数字通信世界, 2017, (9):24，15.
[2]叶毅嘉. 浅谈cuda并行计算体系[j]. 无线互联科技, 2015, (6):56，59.
[3]kothapallik，banerjee d s，et al．cpu and/orgpu:revisiting the gpu vs cpu myth［j］．arxiv，2013，1303(2171):1－20．
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
