摘要：针对多序列比对(MSA)由于计算量大所引起计算效率的问题,基于CUDA架构,进行了对遗传模拟退火多序列比对算法的并行化研究,以充分发挥GPU计算能力。在深入分析串行算法的基础上,设计与实现了粗细粒度结合的并行化算法模型,并从线程同步、存储访问和负载均衡等方面对其进行了优化。测试结果表明,算法速度有了明显提升,加速比达到12.53,在增加种群规模和迭代次数的情况下加速效果仍然良好,具有较好的可扩展性。

摘要：在金属工件的生产过程中,不可避免地会生产出一些不良品,必须进行快速识别。缺陷检测系统需使用图像采集设备采集金属工件的表面图像,完成混合噪声滤除等预处理后,进行图像配准并使用差影法分割图像,然后标记缺陷和提取缺陷纹理特征,最后进行工件缺陷的分类和识别。为了提高金属工件表面检测系统的检测速度,以满足高速生产流水线对检测系统的高实时性要求,依托GPU平台设计了一套合理的并行算法来完成不合格工件的自动检出工作。实验结果表明,在满足检测精度的前提下,基于GPU的并行图像处理算法相对于串行算法能取得较好的加速效果（实验环境为3.2~10.3倍加速比）,为工件表面缺陷的快速检测提供了一种新的途径。