基于CUDA的并行布谷鸟搜索算法设计与实现

TP301; 布谷鸟搜索（cuckoo search，CS）算法是近几年发展起来的智能元启发式算法，已经被成功应用于多种优化问题中。针对CS算法在求解大数据、大规模复杂问题时，计算时间过长的问题，提出了一种基于统一计算设备架构（compute unified device architecture，CUDA）的并行布谷鸟搜索算法。该算法的并行实现采用任务并行与数据并行相结合的方式，利用图形处理器（graphic processing unit，GPU）线程块与线程分别映射布谷鸟个体与个体的每一维数据，并行实现CS算法中的鸟巢位置更新、个体适应度评估、鸟巢重建、寻找最优个体操作。整个CS算法的寻...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:计算机科学与探索 H. 6; S. 665 - 673
Hauptverfasser: 韦向远, 杨辉华, 谢谱模
Format: Journal Article
Sprache:Chinesisch
Veröffentlicht: 桂林电子科技大学 电子工程与自动化学院,广西 桂林,541004%桂林电子科技大学 广西信息科学实验中心,广西 桂林,541004%桂林电子科技大学 计算机科学技术学院,广西 桂林,541004 2014
Schlagworte:
图形处理器(GPU)
cuckoo search
graphic processing unit (GPU)
统一计算设备架构(CUDA)
compute unified device architecture (CUDA)
布谷鸟搜索算法
并行计算
parallel computing
ISSN:1673-9418
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TP301; 布谷鸟搜索（cuckoo search，CS）算法是近几年发展起来的智能元启发式算法，已经被成功应用于多种优化问题中。针对CS算法在求解大数据、大规模复杂问题时，计算时间过长的问题，提出了一种基于统一计算设备架构（compute unified device architecture，CUDA）的并行布谷鸟搜索算法。该算法的并行实现采用任务并行与数据并行相结合的方式，利用图形处理器（graphic processing unit，GPU）线程块与线程分别映射布谷鸟个体与个体的每一维数据，并行实现CS算法中的鸟巢位置更新、个体适应度评估、鸟巢重建、寻找最优个体操作。整个CS算法的寻优迭代过程完全通过GPU实现，降低了算法计算过程中CPU与GPU的通信开销。对4个经典基准测试函数进行了仿真实验，结果表明，相比标准CS算法，基于CUDA架构的并行CS算法在求解收敛性一致的前提下，在求解速度上获得了高达110倍的计算加速比。
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1403009