Titlebar

Bibliografische Daten exportieren
Literatur vom gleichen Autor
plus im Publikationsserver
plus bei Google Scholar

 

Effiziente Implementierung und Analyse eines Waveform-Relaxationsverfahrens mit NVIDIA CUDA

URN zum Zitieren dieses Dokuments: urn:nbn:de:bvb:703-epub-3180-6

Titelangaben

Fiebig, Alexander:
Effiziente Implementierung und Analyse eines Waveform-Relaxationsverfahrens mit NVIDIA CUDA.
Bayreuth , 2016 . - 47 S. - (Bayreuth Reports on Parallel and Distributed Systems ; 9 )
( Bachelorarbeit, 2016, Universität Bayreuth, Fakultät für Mathematik, Physik und Informatik)

Volltext

[img] PDF
fiebig2016effiziente.pdf - Veröffentlichte Version
Available under License Creative Commons BY-SA 4.0: Namensnennung, Weitergabe unter gleichen Bedingungen .

Download (1530Kb)

Abstract

Das Waveform-Relaxationsverfahren (WR-Verfahren) ist ein numerisches Lösungsverfahren für Anfangswertprobleme (IVP) gewöhnlicher Differentialgleichungssysteme (ODE-Systeme). Es besitzt einen hohen Grad an Parallelität und eignet sich besonders für schwach gekoppelte ODE-Systeme. In dieser Arbeit werden parallele Implementierungen des WR-Verfahrens auf GPUs betrachtet. Es werden zunächst allgemeine und problemspezifische Implementierungen für eine GPU vorgestellt. Anschließend werden darauf aufbauend Implementierungen für mehrere GPUs innerhalb eines Rechners und zum Schluss Implementierungen für verteilten Adressraum, welche alle GPUs eines Rechnernetzes nutzen, entwickelt. Die entstanden Implementierungen werden hinsichtlich Rechenzeit, Speicherbedarf und Konvergenzverhalten untersucht und mit dem Eulerverfahren verglichen.

Abstract in weiterer Sprache

The Waveform-Relaxation (WR) method is a numerical method for solving initial value problems (IVP) of systems of ordinary differential equations (ODE). It has a high degree of parallelism and is especially well suited for weakly coupled ODE-systems. In this thesis, parallel implementations of the WR-method on GPUs are presented. First, general and problem specific implementations for one GPU are shown. Then, built on top of that, implementations for all GPUs in one computer and implementations for distributed memory that use all GPUs in a computer network are developed. The resulting implementations are analysed based on runtime, memory consumption and convergence behaviour and are compared with the Euler method.

Weitere Angaben

Publikationsform: Bachelorarbeit
Keywords: Gewöhnliche Differentialgleichung; Waveform-Realaxationsverfahren; Parallelverarbeitung; GPU; CUDA
Themengebiete aus DDC: 000 Informatik,Informationswissenschaft, allgemeine Werke > 004 Informatik
Institutionen der Universität: Fakultäten > Fakultät für Mathematik, Physik und Informatik > Institut für Informatik > Lehrstuhl Angewandte Informatik II
Fakultäten
Fakultäten > Fakultät für Mathematik, Physik und Informatik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Institut für Informatik
Sprache: Deutsch
Titel an der UBT entstanden: Ja
URN: urn:nbn:de:bvb:703-epub-3180-6
Eingestellt am: 06 Feb 2017 11:20
Letzte Änderung: 06 Feb 2017 11:25
URI: https://epub.uni-bayreuth.de/id/eprint/3180