當前GPU線程在某種程度上受到限制(內存限制,數據結構限制,無遞歸...)。GPU上的圖算法
你認爲在GPU上實現圖論的問題是可行的嗎?例如頂點覆蓋?支配一套?獨立設置? max clique?....
在GPU上有分支定界算法嗎?遞歸回溯?
當前GPU線程在某種程度上受到限制(內存限制,數據結構限制,無遞歸...)。GPU上的圖算法
你認爲在GPU上實現圖論的問題是可行的嗎?例如頂點覆蓋?支配一套?獨立設置? max clique?....
在GPU上有分支定界算法嗎?遞歸回溯?
這是相切關係到你的問題,但我已經實現了「遞歸」回溯算法枚舉「自迴避行走」在網格(注:堆棧進行了模擬的CUDA內核中,以避免爲一大堆函數調用創建局部變量的開銷)。可以有效地做到這一點,所以我相信這可以適應圖論的上下文。這裏是一個關於這個主題的研討會的鏈接,我在單指令多數據(SIMD)範例內給出了關於回溯的一般性討論;這是一個pdf大小約爲1MB的http://bit.ly/9ForGS。
我不主張知道關於GPU上圖論算法的更廣泛文獻,但希望上面的內容有所幫助。
(@TheMachineCharmer,感謝您的鏈接)
讓我們添加這一項,已經出現了平均時間:加速CUDA圖算法的最大扭曲(HTTP://citeseerx.ist.psu。 EDU/viewdoc /下載?DOI = 10.1.1.220.1923&代表= REP1&類型= PDF)。對於某些圖形,通過鏈接到的第二個結果會顯着提高。 – 2013-01-01 19:56:22