基于CUDA的并行粒子群优化算法研究及实现

摘要：

应用图形处理器(GPU)来加速粒子群优化(PSO)算法并行计算时,为突出其加速性能,经常有文献以恶化CPU端PSO算法性能为代价.为了科学比较GPU PSO算法和CPUPSO算法的性能,提出用“有效加速比”作为算法的性能指标.文中给出的评价方法不需要CPU和GPU端粒子数相同,将GPU并行算法与最优CPU串行算法的性能作比较,以加速收敛到目标精度为准则,在统一计算设备架构(CUDA)下对多个基准测试函数进行了数值仿真实验.结果表明,在GPU上大幅增加粒子数能够加速PSO算法收敛到目标精度,与CPU PSO相比,获得了10倍以上的“有效加速比”.

关键词：粒子群优化、并行计算、图形处理器、统一计算设备架构

所属期刊栏目：41

分类号：TP301.6(计算技术、计算机技术)

资助基金：船舶工业国防科技预研基金项目10J3.5.2

在线出版日期：2014-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：263-268