检索结果-南通市图书馆

检索条件"主题词=CUDA streams"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于GPU的群智能算法研究与实现

基于GPU的群智能算法研究与实现

引用

作者：韩文成西安理工大学

学位级别：硕士

随着GPU等高性能平台近些年来的不断发展,同时群智能算法所具有的隐含并行性为算法在GPU上的实施提供了有利的平台基础,基于GPU平台的群智能算法逐渐成为解决高维复杂优化问题的首选。本文以群智能算法中具有代表性的粒子群优化算法(PSO... 详细信息

随着GPU等高性能平台近些年来的不断发展,同时群智能算法所具有的隐含并行性为算法在GPU上的实施提供了有利的平台基础,基于GPU平台的群智能算法逐渐成为解决高维复杂优化问题的首选。本文以群智能算法中具有代表性的粒子群优化算法(PSO,Particle Swarm Optimization)为例,研究如何进一步利用 GPU上的cuda(Compute Unified Device Architecture)平台的计算性能,充分发挥群智能算法并行性的优势。主要研究工作如下:为充分利用GPU的计算资源,同时为提高算法的收敛精度,提出了基于cuda streams的多种群PSO算法,使用基于岛屿模型的并行多种群机制,结合cuda平台的流并发机制,将stream的数量与子群的数量一一对应,提高了原始算法的并行程度,使得并行PSO算法在原始线程级并行的基础上实现了更高级别的网格级并行,充分利用了 GPU的计算资源。实验结果表明,在使用4或8个stream时,提出的算法相对于单种群模式缩短了约30%的运行时间。讨论了CPU端与GPU端的伪随机数对群智能算法的收敛性影响,结果表明使用GPU端的伪随机数进行初始化使得算法收敛到门限值的概率提高了 10%左右;由于算法的初始化实施了并行,提高了群智能算法的并行化程度。最后为解决PSO算法易陷入局部最优的问题,提出了基于cuda动态并行机制的多起点局部搜索算法框架。由于动态并行机制的引入,当多个初始解并行地进行局部搜索时,每个解的邻居解也将进行并行搜索,使得算法的并行层次更高,整体性更强。将该框架整合至基于cuda streams的多种群PSO算法,使得算法在获得加速的同时,相较于改进前的算法平均最优解获得了至少两个数量级的提升,增强了算法的寻优能力,提高了算法的鲁棒性。

关键词：粒子群优化算法 cuda streams 动态并行局部搜索

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：