面向GPU的块并行IDA*（扩展稿）
人工智能
2017-05-09 v1 分布式、并行与集群计算
摘要
我们研究了基于GPU的迭代加深A* (IDA*) 并行化。我们表明，先前针对大规模并行SIMD处理器提出的直接基于线程的并行技术由于 warp 发散和负载不平衡而表现不佳。我们提出了块并行 IDA* (BPIDA*)，它将子树的搜索分配给一个块（一组可访问快速共享内存的线程）而非单个线程。在15数码难题上，基于 NVIDIA GRID K520（具有1536个CUDA核心）的 BPIDA* 相比在 Xeon E5-2670 核心上高度优化的顺序 IDA* 实现实现了4.98倍的加速。
引用
@article{arxiv.1705.02843,
title = {Block-Parallel IDA* for GPUs (Extended Manuscript)},
author = {Satoru Horie and Alex Fukunaga},
journal= {arXiv preprint arXiv:1705.02843},
year = {2017}
}