基于cuda的大规模群体行为实时仿真并行实现及优化

？群体仿真中个体从环境中查找相关对象时会导致较高的时间复杂度。要使大规模群体能够实时仿真,必须降低模型运算的时间复杂度或者提高计算平台的能力。通过对biods模型为典型案例进行研究,提出一种基于统一计算架构(cuda)的大规模群体行为实时仿真并行实现及优化的方法。实现中将个体与gpu逻辑线程一一对应,通过将仿真环境离散化来提高相关个体查找的效率,通过并行化基数排序法将个体信息组织成具有空间局部性的数组,提高图形处理器(gpu)内存带宽的利用率。通过实验验证了该方法将仿真个体的数量提升到cpu方法的约7.3倍。