基于CUDA的字符序列模式匹配與頻繁模式挖掘算法的研究.pdf

1、字符序列模式匹配與頻繁模式發(fā)現(xiàn)是計(jì)算機(jī)科學(xué)與各個(gè)學(xué)科交叉的熱點(diǎn)。生物信息序列作為特殊的字符序列，基因突變等促進(jìn)近似字符串匹配算法研究的發(fā)展;生物序列中頻繁模具有重要生物學(xué)意義，而現(xiàn)有算法大多忽略該段信息。信息爆炸時(shí)代的數(shù)據(jù)膨脹導(dǎo)致優(yōu)化串行算法陷入性能瓶頸，CUDA是圖形處理器上一款通用并行架構(gòu)，低廉價(jià)格成本配備優(yōu)異并行性能。研究利用CUDA加速計(jì)算字符序列不精確模式匹配與單序列特殊頻繁模式發(fā)現(xiàn)問(wèn)題具有理論和實(shí)際意義。
　　首先，本

2、文介紹了CUDA基礎(chǔ)、Thrust原語(yǔ)并行庫(kù)以及CUDA編程優(yōu)化技術(shù)。本文研究CUDA編程優(yōu)化主要包括存儲(chǔ)器訪問(wèn)優(yōu)化和I/O優(yōu)化。針對(duì)不精確串模式匹配k-difference問(wèn)題，本文不僅研究實(shí)現(xiàn)基于CUDA的并行算法DASMP在CUDA編程技術(shù)上的優(yōu)化，更充分地利用GPU的硬件加速，同時(shí)也考慮到顯存容量的限制可能導(dǎo)致該算法處理大序列失敗而提出了在多GPU下的大序列劃分理論。實(shí)驗(yàn)表明，相較于未優(yōu)化之前的并行算法，優(yōu)化后的并行算法性能提升

3、20％-50％;相較于傳統(tǒng)的串行算法，優(yōu)化后的并行算法可以獲得7-32倍加速比。實(shí)驗(yàn)的數(shù)據(jù)量的越大，性能提升的優(yōu)勢(shì)效果越明顯。
　　其次，本文研究了利用CUDA加速計(jì)算在較長(zhǎng)單一序列中發(fā)現(xiàn)帶約束的頻繁模式，并實(shí)現(xiàn)CUDA編程優(yōu)化進(jìn)一步強(qiáng)化性能提升。本文首先重新定義了一種帶禁忌約束單序列[m1，m2]-頻繁模式，其中[m1，m2]為目標(biāo)頻繁模式的長(zhǎng)度區(qū)間。這種約束條件滿(mǎn)足了對(duì)生物信息序列頻繁模式的特殊要求，避免了傳統(tǒng)算法從1項(xiàng)集開(kāi)始

4、查找而帶來(lái)了較大的空間與時(shí)間消耗。本文給出POSA算法是在傳統(tǒng)串行算法上加入新的剪枝策略——標(biāo)志位數(shù)組剪枝法，實(shí)驗(yàn)表明比較傳統(tǒng)串行算法，利用POSA可以獲得1.2-4.5倍的性能提升。在POSA算法的基礎(chǔ)上，本文又提出基于CUDA的并行算法POPA進(jìn)一步提高了查找的效率，可以獲得3-20的加速比。
　　最后，本文研究了利用CUDA加速計(jì)算在較長(zhǎng)單一序列中發(fā)現(xiàn)特殊的串聯(lián)重復(fù)模式，并利用Thrust庫(kù)等實(shí)現(xiàn)CUDA編程優(yōu)化進(jìn)一步強(qiáng)化性

5、能提升。本文研究一類(lèi)特殊的串聯(lián)重復(fù)模式——LPR(Largest Pattern Repetition)，基于一種新型的索引數(shù)組SUA在DNA序列中查找這類(lèi)最大串聯(lián)重復(fù)模式LPRs?？紤]到DNA序列字符集的特點(diǎn)，本文使用二進(jìn)制位對(duì)其編碼以實(shí)現(xiàn)CUDA上的并行序列壓縮。使用Thrust并行原語(yǔ)庫(kù)更好地幫助CUDA加速建立后繼數(shù)組SUA及查找LPRs。實(shí)驗(yàn)表明比較傳統(tǒng)串行算法，總體上該并行算法可以獲得1.6-5.4倍性能提升;比較集群系統(tǒng)并