基于CUDA的并行粒子群优化算法的设计与实现

• 作者: 李光耀 王琥 蔡勇
• 来源期刊: 计算机应用研究
• 关键词: 粒子群优化算法 并行计算 GPU 统一计算设备架构
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 系统应用开发
• 页码范围: 2415-2418
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.08.043

摘要

针对处理大量数据和求解大规模复杂问题时粒子群优化(PSO)算法计算时间过长的问题,进行了在显卡(GPU)上实现细粒度并行粒子群算法的研究.通过对传统PSO算法的分析,结合目前被广泛使用的基于GPU的并行计算技术,设计实现了一种并行PSO方法.本方法的执行基于统一计算架构(CUDA),使用大量的GPU线程并行处理各个粒子的搜索过程来加速整个粒子群的收敛速度.程序充分使用CUDA自带的各种数学计算库,从而保证了程序的稳定性和易写性.通过对多个基准优化测试函数的求解证明,相对于基于CPU的串行计算方法,在求解收敛性一致的前提下,基于CUDA架构的并行PSO求解方法可以取得高达90倍的计算加速比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李光耀	湖南大学汽车车身先进设计制造国家重点实验室	179	2657	30.0	43.0
2	王琥	湖南大学汽车车身先进设计制造国家重点实验室	25	228	8.0	14.0
3	蔡勇	湖南大学汽车车身先进设计制造国家重点实验室	12	213	7.0	12.0