【大作业】Barnes-Hut Simulation

Barnes-Hut Simulation

作业来源

N-body(多体)问题用来描述,给定每个物体当前的位置和速度,预测一群物体在相互引力作用下的运动轨迹。N-body问题最早在牛顿研究木星和其卫星的运动时提出。在天文领域中有广泛应用。

N-body问题的求解算法有很多相关研究,也常常作为并行算法学习的典型案例。朴素的精确算法是计算N个粒子中两两之间(Particle-Particle)的引力,这种方法具有 $$ O(N^2) $$ 的时间复杂度。真实的天体模拟中往往需要模拟数以亿计的粒子,对于这种规模的问题, $$ O(N^2) $$的时间复杂度将使问题不可求解。为此,天文学家创造了很多近似方法用于求解N-body问题,比如基于树的方法(Barnes-Hut algorithm, Barnes and Hut 1986)和粒子网格算法(Darden et al. 1993)等。

在我的笔记本电脑上,示例程序nbody.py中的粒子设置到3000以上时,就无法达到60FPS了。想尝试用taichi实现BH算法求解N-body问题,使用近似算法进行加速。实现过程中,发现并不能达到理想的效果,比如每次迭代中构造Quadtree目前只能是串行的,而且使用原生Python递归的遍历树效率较低,可能也还没掌握好Advanced data layout :cry:

示例程序nbody.py全部使用field进行初始化、计算非常快。但实现BH算法后,在Quadtree中没有使用taichi scope。整体性能下降较多。为了可以和使用了BH算法的程序nbody_barnes_hut.py比较,使用相同的方式重新构造了 $$ O(N^2) $$的计算程序nbody_naive.py。相比之下,使用BH算法还是有加速效果的。这样似乎主要用到了taichi的GUI渲染系统 :face_with_head_bandage:

运行方式

运行环境

[Taichi] version 0.8.3, llvm 10.0.0, commit 021af5d2, win, python 3.8.10

运行

$ python nbody_naive.py
$ python nbody_barnes_hut.py

效果展示

N = 100

galaxy_size = 0.2


nbody_barnes_hut

整体结构

├── LICENSE
├── requirements.txt
├── imgs
│   ├── nbody_quadtree.gif
│   └── nbody_naive.gif
├── body.py	                        # 粒子类
├── quadtree.py                    # Quadtree类
├── nbody_barnes_hut.py	# 使用BH算法的主程序
├── nbody_naive.py	        # 使用朴素算法的主程序
└── README.md

实现细节

整体流程

  1. 建立2D空间中的四叉树
  2. 对每个粒子:遍历四叉树计算合力
  3. 更新速度和位置

构造四叉树

对每一个粒子b,依次插入建树,基于以下规则,

  1. 如果节点不包含粒子,将粒子b保留在这个节点上。
  2. 如果节点是一个内部节点,更新这个节点的质心和总质量。递归地将粒子b插入到合适的象限。
  3. 如果节点是一个外部节点,已有一个粒子c。将区域一分为四,将粒子b和c插入到合适的象限。粒子b和c有可能出现在同一个象限,需要继续划分,直到每个区域中最多只有一个粒子。最后,更新质心和总质量。

计算受力

为了计算作用在粒子b上的合力,

  1. 如果当前节点是一个外部节点(非粒子b),计算当前节点对粒子b的力,累加。
  2. 计算比例s/d,如果s/d小于$$\theta$$,将内部节点作为单独的粒子处理,计算对粒子b的力,累加。
  3. 以这样的计算方式递归地处理当前节点的所有孩子节点。

第2步中,比例$$\theta$$的设置非常关键。

\frac{s}{d} < \theta

其中,s是一个节点所代表的正方形区域的边长,d是粒子与结点质心间的距离。$$\theta$$ 默认设置为1。通常 $$\theta$$ 越小,模拟精度越高。当 $$\theta$$ 足够大时,几乎计算了每个粒子对之间的相互作用力,算法退化到 $$O(N^2)$$ 的时间复杂度。当$$\theta$$足够小时,计算受力时的时间复杂度为 $$O(NlogN)$$。

数据结构

Body

既可表示粒子也可表示具有重量的质点。包含质量、位置、速度、受力信息。

Quad

记录正方形区域的左下角坐标以及区域边长。可以返回相应的SW/SE/NW/NE四个区域的Quad类对象。支持GUI绘制正方形框。

Quadtree

通过一个Quad作为root构造树,通过insert()建树,通过apply_force()计算一个物体受到整个Tree的作用力。

参考资料

  1. Barnes, J., & Hut, P. (1986). A hierarchical O(N log N) force-calculation algorithm. Nature, 324(6096), 446–449. doi:10.1038/324446a0
  2. battaglia-michael/N-body-Galaxy-Simulation: Simulate an N-body galaxy using a Barnes-Hut recursive tree algorithm (github.com)
  3. yboetz/nbody_bhtree: N-body simulation using a Barnes-Hut tree algorithm (github.com)
  4. Barnes-Hut Algorithm for CS205 (anaroxanapop.github.io)
  5. The Barnes-Hut Approximation (jheer.github.io)
  6. The Barnes-Hut Algorithm (arborjs.org)
  7. The Barnes-Hut Galaxy Simulator (beltoforion.de)
  8. Barnes-Hut Simulation, Prof. Viktor Kuncak, LARA – Lab for Automated Reasoning and Analysis - (epfl.ch)

代码链接

Code

4 Likes