CUDA 集群模拟

基于 CUDA 的 GPU 并行群体行为模拟，利用空间划分算法加速邻域搜索，实现大规模实时的 Boids 仿真

本项目基于 CUDA 架构实现了经典的 Boids (群体行为) 算法，能够在 GPU 上并行模拟数以万计自治个体的动态行为。系统将每一只 Boid 的位置与速度更新任务分配给独立的 GPU 线程，严格遵循分离、对齐与内聚三大核心逻辑。通过对海量个体行为的实时计算，项目展现了群体感应与涌现行为在高性能计算下的视觉呈现，为处理大规模代理系统提供了高效的并行化方案。

为了克服传统邻域搜索中的计算瓶颈，本项目引入了统一网格哈希 (Uniform Grid Hashing) 空间划分技术。系统在显存中构建动态空间索引，将寻找邻居的计算量优化至近乎常数级别，从而支持在保持高帧率的同时模拟极其庞大的种群规模。这种设计充分利用了 GPU 的访存特性与数据并行能力，在精度平衡与运算效率之间取得了理想结果，证明了现代图形硬件在处理复杂涌现行为模拟时的巨大潜力。