计算机工程

作者：王宇华, 何俊飞, 张宇琪, 兰海燕, 曹林琳

单位：1. 哈尔滨工程大学计算机学院, 黑龙江 哈尔滨 1500012. 电子政务建模仿真国家工程实验室, 黑龙江 哈尔滨 150001

关键词：稀疏矩阵向量乘,稀疏对角矩阵,图形处理单元,自适应优化方法,矩阵结构特征

基金：国家自然科学基金(62072135)

稀疏矩阵向量乘(SpMV)是稀疏线性系统的计算核心和瓶颈, 其运算效率会影响迭代求解器的整体性能, 其优化研究一直是科学计算和工程应用领域中的研究热点之一。偏微分方程的离散化会产生稀疏对角矩阵, 由于其多样的非零元分布, 导致没有一种方法能够在所有矩阵中取得最优时间性能。针对上述问题, 提出一种面向图形处理单元(GPU)的稀疏对角矩阵自适应SpMV优化方法AST(Adaptive SpMV Tuning)。该方法通过设计特征空间, 构建特征提取器, 提取矩阵结构精细特征, 通过深入分析特征和SpMV方法的相关性, 建立可扩展的候选方法集合, 形成特征和最优方法的映射关系, 构建性能预测工具, 实现矩阵最优方法的高效预测。实验结果表明, AST能够取得85.8%的预测准确率, 平均时间性能损失为0.09, 相比于DIA(Diagonal)、HDIA(Hacked DIA)、HDC(Hybrid of DIA and Compressed Sparse Row)、DIA-Adaptive和DRM(Divide-Rearrange and Merge), 能够获得平均20.19、1.86、3.06、3.72和1.53倍的内核运行时间加速和1.05、1.28、12.45、1.94和0.97倍的浮点运算性能加速。

来源：2026年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第3期