基于GPU平台的KLU并行算法研究.pdfVIP

基于 GPU 平台的 KLU 并行算法研究 ——稀疏矩阵线性方程求解（直接法） 游聪伟 武晓红 蒋敬栋 指导老师: 何立强 （内蒙古大学计算机学院呼和浩特 0100021 ） congweiyou@126.com wuxiaohong84@163.com jiangjingdong35@163.com 摘 要：求解稀疏线性方程是科学计算和工程应用中常见的操作，该问题可以表述为Ax=b ， 其中 A 为非奇异稀疏矩阵，x 为未知数矢量，b 为已知矢量，求解目标在于确定x 的数值。 稀疏矩阵线性方程求解已经过多年的研究，具备非常深厚的理论和工程基础，求解算法可以 分为两类，直接法（direct method ）和迭代法（iterative method ）。使用直接法时LU 分解过 程能够被很多后续计算重复使用，则后续的三角阵求解可以快速实现，此时直接法在性能上 具有优势。本项目完成了对 KLU （目前最好的直接法软件包之一，由Timothy Davis 教授开 发）中 klu_refactor 算法在 GPU 上的移植和实现。对于部分矩阵而言，在 Nvidia Geforce GTX275 平台上相对于 Intel Pentium D 2.80GHz CPU 能达到 29.534 的加速比。 关键字：GPU ；KLU ；klu_refactor ；稀疏矩阵 1. 引 言 近年来，随着计算机的发展和普及，矩阵运算的重要性愈加显著，应用的范围也日益广 泛。在许多科学技术和工程问题中，都需要解线性方程组 Ax=b ，其中 A 是 n×n 阶非奇异 方阵，x 和 b 是 n 维列向量。 在许多实际问题中，矩阵A 的元素中含有大量的零元，而且随着矩阵阶数的增加，矩阵 的稀疏程度也越来越大。通常称这种零元占优的矩阵为稀疏矩阵，而相应的线性方程组为稀 疏线性方程组[1] 。在对大型稀疏线性方程组进行求解时，一般不采用求逆矩阵的方法，因为 这种方法的复杂度较高，不利于硬件实现，因此通常用直接法和迭代法进行稀疏线性方程组 的求解。 (k) (k 1) 迭代法的基本形式均为从一个猜测解出发，把方程变形为x = Bx − + c的形式(上标 表示迭代次数)，通过多次迭代逐渐收敛。一般来说，如果求解单个线性方程组时，迭代法 的求解速度高于直接法。但是，在求解多个结构相同、值不同的线性方程组时，使用直接法 进行求解的LU分解过程能够被很多后续计算重复使用，则后续的三角阵求解可以非常快速的 实现，此时直接法在性能上具有优势。 用直接法解稀疏线性方程组时，首先对矩阵进行 LU 分解，即 A=LU ，（其中 L 为下三 角矩阵，U 为上三角矩阵）。分解之后，原来的方程组可以表述为 Ax = Lux = b ；如果引入 一个新矢量 y = Ux ，那么y 的数值可以通过求解Ly = b 获得。确定 y 的数值后，x 的值可以 用相似的方法求解 y = Ux 获得。 KLU是目前最好的使用直接法进行稀疏矩阵求解的软件包[2] ，本项目完成了对KLU 中 klu_refactor算法在GPU上的移植和实现。对于部分矩阵而言，在Nvidia Geforce GTX275 平 台上相对于Intel Pentium D 2.80GHz CPU能达到 29.534 的加速比。 本文的结构按如下方式进行组织：第二节主要介绍 KLU 算法，第三节介绍并行的 klu_refactor 算法，第四节进行结果分析，第五节做出总结。 1 2. KLU 算法介绍 KLU （Clark Kent LU ）算法，是专门针对大型电路模拟矩阵设计的一种新型的稀疏矩 阵分解算法。 因为在电路模拟中，电路矩阵的模板只产生一次，也就是说，矩阵的非零模式不变，只 有元素值在单独变化，因此 KL