基于GPU的大尺度网络零模型分组生成并行算法

摘要

为解决生成大尺度网络的零模型时间效率较低的问题,利用数据分组思想,针对生成0阶、1阶、2阶网络零模型的随机置乱算法提出基于GPU的并行化实现.并行化过程中,设计不重复分配原则,以及存在性替换、重复性替换策略避免无效置乱.基于常用的网络拓扑指标以及网络随机化程度,验证并行算法的有效性,验证结果表明,并行的分组置乱算法相比传统的串行算法提高了时间效率,针对GPU显存无法一次性容纳的大尺度网络,能快速生成其相应的零模型,为大尺度网络零模型的研究提供了一种高效的解决方案.