[论文解读] A performance Analysis of the Game of Life based on parallel algorithm

Longfei Ma, Xuebo Chen+1 more|arXiv (Cornell University)|Sep 20, 2012

Artificial Intelligence in Games被引用 4

一句话总结

本文评估了使用 OpenMP 的康威生命游戏并行实现，比较了一维（行/列）和二维域分解策略。一维方法，特别是按行分解，在 8 个线程下实现了最高达 3.45× 的加速，表明分解策略对细胞自动机模拟中的并行效率具有决定性影响。

ABSTRACT

In this article, Conway's Game of Life using OpenMP parallel processing to simulate several different parallel methods, experimental performance results and compare to find the optimal solution of the parallelization of the Game of Life. Finally pointed out the importance of the design of parallel algorithms in solving the parallel problem.

研究动机与目标

• 评估使用 OpenMP 的康威生命游戏不同并行化策略的性能。
• 识别最高效的分解策略——一维或二维——以最大化执行速度。
• 展示算法设计对共享内存系统中并行性能的影响。
• 在不同网格尺寸和迭代次数下，比较串行与并行执行时间。
• 强调分解策略在实现细胞自动机最优并行性能中的重要性。

提出的方法

• 在多核系统上的共享内存多处理器环境中，使用 OpenMP 实现了多种并行算法。
• 通过按行或列进行一维分解，将生命游戏网格划分为连续的段以实现并行处理。
• 采用二维分解，将网格划分为分配给不同线程的矩形子区域，需在相邻区域之间进行边界通信。
• 使用 EasyX 图形库渲染模拟状态并可视化结果。
• 测量不同网格尺寸（例如 120×60、240×120）和迭代次数（500–2000 次迭代）下的执行时间和加速比。
• 使用加速比公式：SP = 串行执行时间 / 并行执行时间 来评估性能提升。

实验结果

研究问题

• RQ1 在生命游戏模拟中，一维按行分解与二维分解在执行时间和加速比方面有何比较？
• RQ2 在 4 核系统上，基于 OpenMP 的并行化对不同网格尺寸的最大加速比是多少？
• RQ3 迭代次数的增加如何影响并行与串行实现的性能？
• RQ4 分解策略的选择是否显著影响生命游戏模拟的整体性能？
• RQ5 并行化在计算密集型细胞自动机中能在多大程度上提升 CPU 资源利用率？

主要发现

• 一维按行分解实现了最高加速比，在 8 个线程下对 240×120 网格进行 2000 次迭代时达到 3.45×。
• 二维分解策略未达到最优性能，表现不如一维方法。
• 随着线程数量增加，并行程序的执行时间显著减少，表明在 8 个线程内具有良好的可扩展性。
• 对于相同网格尺寸，执行时间与迭代次数呈线性关系，证实了可预测的性能行为。
• 4 核机器表现出一致的性能提升：例如，在 120×60 网格上进行 2000 次迭代时，8 个线程下实现了 3.02× 的加速比。
• 串行版本在 240×120 网格上进行 2000 次迭代耗时超过 400 秒，而并行版本在 8 个线程下将时间缩短至 126.42 秒。