一、摘要

我们介绍了一种广度优先搜索大型图的算法，这种算法是基于 CUDA 的一种改进算法。

最新的版本极大的利用了 Kepler 架构的性能，并且依赖于多个 GPU 交流数量和交换数据量的减少。

最终的结果是代码可以在 4096 Tesla K20X GPUs 上使用一个集群在一秒内遍历超过 800,000,000,000 条边。

实验报告

一、实验原理

1.1 项目架构

相比于 lab4 只有 Bram 是在板子上，而 PL 采用软件模拟的，这次 PL 侧我们利用 FPGA 实现了，也就是真正完成了一个简单的乘法运算加速器。

一、个人信息

二、实验过程

首先用矩阵生成程序生成 $matrixA[1200 : 1600]$ 和 $matrixB[1600:2000]$ 两个矩阵

一、个人信息

二、实验过程

对于模式串的生成，调用 gen_ped 程序，生成长度为 3，周期长度为 2，随机种子为 1。调用命令如下

一、总论

无论是数学建模比赛，还是数学建模课，我都太过于关注工具的使用了，经常因为学会了 matlab 的又一高级特性或者 python 的又一个库而兴奋半天，但是实际上一点有用的知识都没有学习。

数学建模，重要的不是计算机，或者是某个方法，换句话说，解决问题不是数学建模的精髓，将实际问题抽象成一个数学问题，即“建模”的过程，才是本质。我们学习诸多的方法，不是为了学习其原理，而是为了拓展视野，意识到原来还可以这样建模。

hw1: Ring 实验报告

一、个人信息

二、题目分析