Parallel geometric algorithms for multi-core computers

َAbstract

Computers with multiple processor cores using shared memory are now ubiquitous. In this paper, we present several parallel geometric algorithms that specifically target this environment, with the goal of exploiting the additional computing power. The algorithms we describe are (a) 2-/3-dimensional spatial sorting of points, as is typically used for preprocessing before using incremental algorithms, (b) d-dimensional axisaligned box intersection computation, and finally (c) 3D bulk insertion of points into Delaunay triangulations, which can be used for mesh generation algorithms, or simply for constructing 3D Delaunay triangulations. For the latter, we introduce as a foundational element the design of a container data structure that both provides concurrent addition and removal operations and is compact in memory. This makes it especially well-suited for storing large dynamic graphs such as Delaunay triangulations. We show experimental results for these algorithms, using our implementations based on the Computational Geometry Algorithms Library (CGAL). This work is a step towards what we hope will become a parallel mode for CGAL, where algorithms automatically use the available parallel resources without requiring significant user intervention.

دانلود رایگان مقاله انگلیسی                   689.43 KB

چکیده
در حال حاضر کامپیوترها با پردازنده¬های چند هسته¬ای که از حافظه مشترک استفاده می¬کنند در همه جا حضور دارند. در این مقاله، الگوریتم های متعدد هندسی موازی را ارائه می کنیم که دارای هدف ویژه ای در این محیط می باشند که هدف آنها دستیابی به توان محاسباتی بالا است. الگوریتم هایی که در این مقاله شرح داده شده¬اند به صورت زیر می باشند: الف) مرتب سازی فضایی دو یا سه بعدی نقاط، که عمدتا برای پیش پردازش قبل از استفاده از الگوریتم نهایی مورد استفاده قرار میگیرند. ب) محاسبات اشتراکی جعبه همتراز با محور D بعدی. ج) الحاق توده سه بعدی نقاط به داخل مثلث‌بندی دیلانی که برای الگوریتم های تولید مش مورد استفاده قرار می¬گیرد. به عبارت ساده، برای ساخت مثلث‌بندی دیلانی مورد استفاده قرار میگیرد. مورد دوم بعنوان یک عنصر بنیادی برای طراحی ساختار داده ها مورد استفاده قرار می¬گیرد که به طور همزمان هر دو مورد، عملیات برداشت و فشرده سازی در حافظه را فراهم میکند. این ویژگی آن را برای گراف های پویای بزرگ قوی، مانند مثلث‌بندی دیلانی، بسیار مناسب می سازد . نتایج آزمایش برای این الگوریتم را با استفاده از پیاده سازی مبتنی بر کتابخانه الگوریتم های هندسی محاسباتی را نشان داده ایم(CGAL) . این مقاله یک گام بسوی تبدیل CGAL به حالت موازی است که در آن الگوریتم از منابع موازی در دسترس به صورت خودکار و بدون دخالت کاربر استفاده می¬کند.

تعداد صفحات مقاله انگلیسی: 15 صفحه
تعداد صفحات مقاله فارسی: 32 صفحه
نوع فایل: ورد