[发明专利]基于GPU的GRAPES系统优化方法、系统、介质及设备

权利要求书

1.一种基于GPU的GRAPES系统优化方法，其特征在于，其中，基于广义共轭余差法求解赫姆霍兹方程的优化过程包括：

进行数据格式转换以及存储空间开辟的数据初始化；

利用CUDA将所述广义共轭余差法的计算流程进行GPU移植；

对于计算流程中能进行并行处理的，在GPU中采用多线程并行处理，计算过程中利用显存进行通信，且中间变量均保存在GPU上；

对于计算流程中不能并行处理的，将前置数据拷回CPU端进行计算，再将计算结果拷回GPU端。

2.根据权利要求1所述的方法，其特征在于，所述进行数据格式转换以及存储空间开辟的数据初始化，包括：

将待求解模型Ax＝b中的系数矩阵A由原始的三维格式转换为二维格式，其中，初始数据包括系数矩阵A、初始解向量x₀和右端向量b；

为广义共轭余差法中的矩阵数据、向量数据和常量数据在CPU端及GPU端分配内存空间。

3.根据权利要求2所述的方法，其特征在于，所述将求解模型Ax＝b中的系数矩阵A由原始的三维格式转换为二维格式，包括：

边界条件使用循环和轴对称方式处理，经度方向为循环方式，纬度方向为轴对称方式，垂直方向不处理。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述对于计算流程中能进行并行处理的，在GPU中采用多线程并行处理时，在进行收敛情况判断时将需要判断的数据传输给CPU，在数据传输时为数据交换频率大于预设频率的变量分配页锁定内存。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述对于计算流程中能进行并行处理的，在GPU中采用多线程并行处理时，还包括：GPU访存优化和/或GPU存储器优化；

所述GPU访存优化包括：利用CSR格式存储矩阵数据，利用CUDA进行线程块间及线程块内两级并行访问；

所述GPU存储器优化包括：对于只需要一个线程块中的线程访问的数据，在线程块内部利用共享存储器进行保存。

6.根据权利要求1至3任一项所述的方法，其特征在于，所述利用CUDA将所述广义共轭余差法的计算流程进行GPU移植之前，还包括：通过构建预条件子对所述系数矩阵A进行分解预处理。

7.根据权利要求6所述的方法，其特征在于，所述通过构建预条件子对所述系数矩阵A进行分解预处理，包括：

通过ILU预处理操作将原始系数矩阵A分解为一个下三角矩阵L和上三角矩阵U，分解出来的三角矩阵直接保存在待分解的矩阵空间内。

8.一种基于GPU的GRAPES系统优化系统，其特征在于，实现权利要求1至7任一项所述的基于GPU的GRAPES系统优化方法，所述系统包括：

数据初始化模块，用于进行数据格式转换以及存储空间开辟的数据初始化；

GPU移植模块，用于利用CUDA将所述广义共轭余差法的计算流程进行GPU移植；

GPU计算模块，对于计算流程中能进行并行处理的，在GPU中采用多线程并行处理，计算过程中利用显存进行通信，且中间变量均保存在GPU上；

CPU计算模块，对于计算流程中不能并行处理的，将前置数据拷回CPU端进行计算，再将计算结果拷回GPU端。

9.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在计算机上运行时，使所述计算机执行根据权利要求1至7任一项所述的基于GPU的GRAPES系统优化方法。

10.一种计算机设备，包括存储器、CPU、GPU及存储在所述存储器上的并可在所述CPU和GPU上运行的计算机程序，其特征在于，所述CPU和GPU执行所述程序时实现如权利要求1至7任一项所述的基于GPU的GRAPES系统优化方法。