基于GPU的混合式全源对最短路径算法研究

作者： 李寅 [1] ; 邓仰东 [2]

摘要：全源对最短路径问题在生物信息学、地理信息系统、社交网络、复杂网络分析、集成电路计算机辅助设计和交通规划等领域都有重要应用．为了克服具体应用中因图结构差异对计算性能产生的影响，提出一种基于GPU架构的采样混合式全源对最短路径并行算法．在GPU上通过点处理顺序预设，粗细粒度任务分解等手段优化点并行算法，并引入采样方式预估图直径，有针对性地对每个遍历层选择高效的并行策略．与目前性能最好的GPU边并行算法相比，处理交通网络图等大直径图的加速比可达7．2倍，处理亚马逊产品联合采购网络图等小直径图的加速比可达1．9倍，同时采样混合式算法具备较好的伸缩性能，消除了因图结构不同而对算法性能产生的影响．

关键字： 全源对最短路径 GPU 广度优先搜索 混合式算法 采样混合式算法

---

上一篇：水下舰艇通信网络中的故障数据挖掘方法仿真
下一篇：模型参数联合求解的网络流量混沌预测