Question

我正在开发一个（c ++，opengl）项目，我需要有很多影响彼此的粒子，如果我是正确的，这被称为nbody问题。有人知道这样的算法有什么解决方案。

我知道barnes hut算法，也许我可以偷看openCL，虽然我不仅仅想知道你是否可以使用其他解决方案。

我将创建的代码有很多：

for(int i = 0; i < num_particles; ++i) {
  for(int j = i+1, j < num_particles; ++j)
     dist = distance(particles[i],particles[j]);
     if(dist > limit) {....}
  }
}

亲切的问候，波吕克斯

Answer 1

这就是像Octrees这样的数据结构派上用场的地方。他们可以将O(N^2)循环缩减为O(N*log(N))，但会牺牲一点精度。

Answer 2

Kd-trees非常适合在最大距离处查找所有对象（本例中为粒子）。如果树是平衡的，则查找O(log n)。

Answer 3

如果你想在很多非常简单的机构上拥有巨大的计算能力 - 对nvidia CUDA感兴趣并在GPU着色器单元上工作。与具有多线程的四核CPU相比，这可以提供更多性能

Answer 4

你去了：GPU Gems 3。它在CUDA中，但很容易移植到openCL。

但是，这个版本会计算你可能不想要的N²/ 2交互。

Answer 5

通过4x4像素盒划分1024x512像素区域，为每个盒子中的粒子分配15个单元，具有12k粒子，仅有排除力来计算，对于Intel HD-400（具有12个计算单元，通过，不超过8ms） opencl api）for：

for(each particle) // this part unfolded on N workitems of opencl
for(each neighboring box) {       
     for(each particle in selected box)
     {
         dist = distance(particles[i],particles[j]);
         if(dist < limit) {/* sqrt, mult, div, add, sub */}
      }
}

所以空间分区和使用opencl肯定会提高速度。如果没有分区，暴力需要44ms，这对于具有单通道慢速内存的低端集成gpu来说并不坏。

同时使用第二个cpu，有助于大约0.5ms - 0.1ms，但由于内存在后台存在瓶颈。

快速nbody算法/解决方案（使用opengl / c ++ / ??）

5 个答案: