作者:
原文服务方: 现代电子技术       
摘要:
蚁群算法与同类智能算法相比具有计算速度快、收敛迅速、算法稳定性好等优点,但是随着数据量的增大,计算用时呈现指数型增长。为了更好地解决大数据量蚁群算法计算慢的问题,结合蚁群算法天然的并行性,基于最新的GPU并行化接口C++ AMP实现了并行蚁群算法,使计算用时大幅度减少。经试验分析,该算法可以达到3倍的加速效果。
推荐文章
基于OPENMP求解旅行商问题的并行蚁群算法
蚁群算法
并行算法
OPENMP
旅行商问题
并行蚁群算法求解加权MAX-SAT
蚁群算法
加速比
并行
最大化可满足性问题(MAX-SAT)
加权MAX-SAT
多核
基于细粒度模型的并行蚁群优化算法
蚁群优化算法
蚁群系统
并行算法
细粒度模型
TSP问题
基于并行蚁群算法的常规导弹作战任务分配
常规导弹
任务分配
并行蚁群算法
多子群蚁群算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于C++ AMP加速并行蚁群算法
来源期刊 现代电子技术 学科
关键词 蚁群算法 并行蚁群算法 C++ AMP GPU计算
年,卷(期) 2014,(23) 所属期刊栏目 通信与信息技术
研究方向 页码范围 69-71
页数 3页 分类号 TN911.7-34|TP18
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林超 中国石油大学华东网络及教育技术中心 6 25 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (97)
共引文献  (89)
参考文献  (16)
节点文献
引证文献  (4)
同被引文献  (7)
二级引证文献  (2)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(9)
  • 参考文献(0)
  • 二级参考文献(9)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(8)
  • 参考文献(0)
  • 二级参考文献(8)
2002(8)
  • 参考文献(0)
  • 二级参考文献(8)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(8)
  • 参考文献(0)
  • 二级参考文献(8)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(10)
  • 参考文献(3)
  • 二级参考文献(7)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(7)
  • 参考文献(1)
  • 二级参考文献(6)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(11)
  • 参考文献(3)
  • 二级参考文献(8)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(5)
  • 参考文献(5)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
蚁群算法
并行蚁群算法
C++ AMP
GPU计算
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代电子技术
半月刊
1004-373X
61-1224/TN
大16开
1977-01-01
chi
出版文献量(篇)
23937
总下载数(次)
0
总被引数(次)
135074
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导