gpu中的并行凸包算法

Question

我正在 CUDA 中对凸包实施分而治之的方法。这是我的方法： 自下而上：

• 创建一个列表来存储凸包；

• curSize = 输入大小（所有点）；

• 对于 i: 1 记录 N

• 开始
• curSize = curSize / 2;
• 获取列表列表中每 2 个相邻的凸包并合并它们 进入更大的船体（使用标准的上下公切线 curSize 线程中分治凸包的方法
• //最初它将列表中的每2个相邻点合并为一个外壳，然后 在下一次迭代中，它将大小为 2 的凸包合并为更大的 凸包等等..，最后列表列表将有一个 船体上的单个点列表
• 结束

但是它变得太复杂了，我觉得我没有利用 CUDA 的并行能力，因为在树的每个级别我创建了 N/2^i 个线程，其复杂性为 O(N) 以合并该级别的所有相邻船体.因此，网络复杂度仍然是 O(N logN)。

你能告诉我如何让它变得更好，或者为凸包提供任何替代的更整洁的并行算法（如果我能得到 graham 扫描的并行版本的算法，那就太好了）？

Answer 1

您的算法的复杂度仍然是 O(N)（与单线程版本相比没有变化），因为您做了 3 件事：

1. 管理线程：O(N)
2. 从列表中删除一些顶点：摊销 O(N)，因为只有 N 个点。
3. 查看与已移除但在当前步骤中未移除的点相邻的点：O(N)，因为每次合并的此类点不超过 2 个。

但是如果你的点没有排序，你最好并行排序。