为设计基于固定序的 Bellman-Ford 算法在 CUDA 平台下并行优化方案，结合算法计算密集和数据密集的特点。从核函数计算层 面，提出了访存优化方法和基于固定序优化线程发散；从 CPU-GPU 传输层面，提出了基于 CUDA 流优化数据传输开销方法。经对不同显 卡测试，参照共享内存容量划分线程块、缩减迭代后向量维度和使用 CUDA 流缩短首次计算时延，相比传统算法，改进后并行算法加速 比在 200 倍左右。该并行优化方案验证了固定序在 CUDA 平台具有可行性和可移植性，可作为多平台研究参照。

实验5.生成一个100个点，300条边的无向图，对于图中的每个连通分支，计算其中的割点。从连通分支中删除该点，会导致分支不再连通的点被称为割点。 实验6.用局部搜索算法，求一个无向图的最小生成树。生成一个无向连通图，有100个点，1000条边，边上的权重是1到20之间的随机整数。用Kruskal或prim算法求得该图的最小生成树，验证局部搜索算法的对错。 实验7.已知Bellman-Ford算法能判断一个有向加权图是否含有负权重的圈。请设计一个算法，从图中找出一个负圈。图：100个点，500条边，每条边的权重是[-5,5]之间的随机非零整数。要求多次生成这样的随即图，直到发现负圈为止。