Please use this identifier to cite or link to this item:

http://hdl.handle.net/10609/102646
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMonteagudo Mañas, Carlos-
dc.date.accessioned2019-11-13T23:00:21Z-
dc.date.available2019-11-13T23:00:21Z-
dc.date.issued2019-07-09-
dc.identifier.urihttp://hdl.handle.net/10609/102646-
dc.description.abstractEl presente proyecto final versa sobre la optimización del modelo Muscle Simulation with Extended Position Based Dynamics de Romeo et al. (2018) aplicando técnicas de paralelización en CPU basadas en multi-threading. El modelo original, MSXPBD, es presentado por los autores como un plug-in para Autodesk Maya en Python single-threaded, con unos resultados de simulación de muy alta calidad y unos costes de cómputo buenos pero con margen de mejora. En ese contexto, el desarrollo que se expone en este trabajo tiene el objetivo principal de optimizar dicho modelo gracias al uso de herramientas de paralelización para mejorar el rendimiento del sistema. La paralelización se ha enfocado aplicando el Método de Jacobi y el Método de Coloreado de Grafos, dado lugar a sendas versiones del plug-in en C++ multi-threaded con uso de OpenMP y obteniendo resultados satisfactorios y muy prometedores.es
dc.description.abstractEl present projecte tracta sobre l'optimització del model Muscle Simulation with Extended Position Based Dynamics de Romeo et al. (2018) aplicant tècniques de paral·lelització en CPU basades en multi-threading. El model original, MSXPBD, és presentat pels autors com un plug-in per Autodesk Maya en Python single-threaded, amb uns resultats de simulació de molt alta qualitat i uns costos de còmput bons però amb marge de millora. En aquest context, el desenvolupament que s'exposa en aquest treball té l'objectiu principal d'optimitzar aquest model gràcies a l'ús d'eines de paral·lelització per millorar el rendiment del sistema. La paral·lelització s'ha enfocat aplicant el Mètode de Jacobi i el Mètode de Acolorit de Grafs, donant lloc a dos versions del plug-in en C ++ multi-threaded amb ús de OpenMP i obtenint resultats satisfactoris i molt prometedors.ca
dc.description.abstractThis project deals with the optimization of the Muscle Simulation with Extended Position Based Dynamics model of Romeo et al. (2018) applying CPU parallelization techniques based on multi-threading. The original model, MSXPBD, is presented by the authors as a plug-in for Autodesk Maya in single-threaded Python, with very high quality simulation results and good computation costs but with range for improvement. In this context, this work has the main objective of optimizing this model thanks to the use of parallelization tools to improve system performance. The parallelization has been focused on applying the Jacobi Method and the Graph Coloring Method, resulting in two respective versions of the multi-threaded C ++ plug-in with OpenMP and getting satisfactory and very promising results.en
dc.format.mimetypeapplication/pdf-
dc.language.isospa-
dc.publisherUniversitat Oberta de Catalunya (UOC)-
dc.rightsCC BY-NC-ND-
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/-
dc.subjectsimulaciónes
dc.subjectsimulacióca
dc.subjectsimulationen
dc.subjectgráficoses
dc.subjectgràficsca
dc.subjectgraphicsen
dc.subjectoptimizaciónes
dc.subjectoptimitzacióca
dc.subjectoptimizationen
dc.subjectmúsculoses
dc.subjectmúsculsca
dc.subjectmuscleses
dc.titleOptimization of muscle simulation with extended position based dynamics applying jacobi and graph-coloring methods-
dc.typeinfo:eu-repo/semantics/masterThesis-
dc.audience.educationlevelEstudis de Màsterca
dc.audience.educationlevelEstudios de Másteres
dc.audience.educationlevelMaster's degreesen
dc.contributor.directorJorba i Esteve, Josep-
dc.contributor.tutorArroyo Garriguez, Ester-
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess-
Appears in Collections:Bachelor thesis, research projects, etc.

Files in This Item:
File Description SizeFormat 
cmonteagudomaTFM0719memoria.pdfMemoria del TFM35.56 MBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons