并行保证质量的Delaunay均匀网格细化

@文章{Chernikov2006ParallelGQ，title={平行保证质量Delaunay均匀网格细化}，author={Andrey N.Chernikov和Nikos Chrisochoides}，期刊={SIAM J.科学计算}，年份={2006}，体积={28}，页码={1907-1926}，url={https://api.semanticscholar.org/CorpusID:16889908}}
本文描述了构造均匀网格的方法，即所有元素大小大致相同的网格，并提出了一个开发并行保证质量的Delaunay网格生成软件的理论框架，该软件允许我们对二维几何图形使用商用的非现成顺序Delaunays。
通过Publisher查看
cepm.cs.odu.edu公司
44引文
极具影响力的引文
1
背景引文
21
方法引文
19

本文图表

44引文

并行二维约束Delaunay网格生成

本文提出了并行约束Delaunay网格生成的算法和软件，该算法基于将原始网格生成问题分解为N个子问题，并将其并行网格化。

广义Delaunay网格精化：从标量到并行

证明了在质量较差的三角形的选择盘内插入点的任何点放置算法都将终止并生成尺寸最优的网格，从而扩展了并行Delaunay求精的理论基础。

算法872：并行二维约束Delaunay网格生成

在将原始网格生成问题分解为N个子问题的基础上，提出了二维并行约束Delaunay网格生成的算法和软件。

开发下一代并行Delaunay细化方法的模板

多核处理器的三维delaunay精化

本文开发了第一个全功能三维保质量并行分级Delaunay网格生成器，并通过从候选Steiner点集中选择独立子集，在不进行回滚的情况下，分解了顺序Delaunai细化算法的迭代空间。

共享和分布式内存体系结构的可扩展并行Delaunay图像到网格转换

本文提出了一种新的两级并行四面体网格生成框架，能够提供和支持近6000个并发工作单元（核心）通过使用适合分布式内存集群硬件体系结构层次结构的混合消息传递和多线程执行模型，在两个不同粒度级别上利用并发。

广义二维DELAUNAY网格精化

证明了在保证网格质量的前提下，存在可用于插入Steiner点（无数选择）的整个二维和一维区域。

面向Exascale并行Delaunay网格生成

提出了一种多层四面体/三角形网格生成方法，通过使用混合算法在不同粒度级别上利用并发性，并将这些级别与硬件体系结构的层次结构仔细匹配，能够交付和维持接近1018个并发工作单元。

用于分布式共享内存体系结构的第七届国际网格圆桌会议（IMR 24）可扩展三维混合并行Delaunay图像到网格转换算法

一种适用于分布式共享内存体系结构的可扩展三维混合并行Delaunay图像到网格转换算法（PDR），在DSM超级计算机上运行的并行保证质量的Delauny网格生成算法中具有最佳的可扩展性。

算法995

通过从顶点插入和Delaunay三角形的基本操作开始构建网格生成器，提出了一种自下而上的并行各向异性网格生成方法，该方法在网格生成和通过形状良好的各向异性三角形而不是各向同性三角形进行流解方面节省了计算量。

45参考文献

并行保质量平面网格细化的Delaunay解耦方法

本文首次提出了一种有效的方法，可以在数百秒内用数十亿个元素并行创建质量保证的网格，同时证明了这些网格可以以高效且可扩展的方式生成。

一种实用高效的并行保证质量delaunay精化点插入调度方法

证明了新点独立的一个充分条件，该条件允许同时插入两个以上的点，而不破坏网格的一致性和Delaunay性质。

受限多面体域的保质量并行Delaunay精化

高质量二维网格生成的Delaunay细化算法

与以前基于四叉树的高质量网格生成算法相比，Delaunay细化方法更简单，通常生成的网格三角形更少。

三角网格生成的Delaunay细化算法

并行Delaunay网格生成内核

尽管增加了通信开销，但本文提出的延迟容忍网格生成内核可以为并行场求解器生成四面体网格，其速度是传统方法的8到9倍。

并行Delaunay精化：算法与分析

引入了在Delaunay细化过程中可以同时插入的可能Steiner点之间的独立性概念，并证明了这样一组独立点可以有效地构造，并行迭代次数为O（log2Δ），其中Δ是输入的扩散。

平行约束Delaunay网格

通过将CDT及其以数据为中心的任务并行实现相结合，产生了并行约束网格算法，该算法产生了几乎不需要同步的网格算法。

Delaunay细化网格生成

本文旨在通过巩固二维Delaunay精化的基础，并将该技术及其分析扩展到三维来进一步推进这一进展。

并行Delaunay网格生成算法的自适应动态投影划分

对于需要频繁重新网格化的大规模问题，迫切需要能够生成可证明高质量网格的算法，这些网格可以在分布式内存机器上并行运行。