【摘要】：隨著GPU等高性能平臺近些年來的不斷發(fā)展,同時群智能算法所具有的隱含并行性為算法在GPU上的實施提供了有利的平臺基礎(chǔ),基于GPU平臺的群智能算法逐漸成為解決高維復雜優(yōu)化問題的首選。本文以群智能算法中具有代表性的粒子群優(yōu)化算法(PSO,Particle Swarm Optimization)為例,研究如何進一步利用 GPU上的CUDA(Compute Unified Device Architecture)平臺的計算性能,充分發(fā)揮群智能算法并行性的優(yōu)勢。主要研究工作如下:為充分利用GPU的計算資源,同時為提高算法的收斂精度,提出了基于CUDA streams的多種群PSO算法,使用基于島嶼模型的并行多種群機制,結(jié)合CUDA平臺的流并發(fā)機制,將stream的數(shù)量與子群的數(shù)量一一對應(yīng),提高了原始算法的并行程度,使得并行PSO算法在原始線程級并行的基礎(chǔ)上實現(xiàn)了更高級別的網(wǎng)格級并行,充分利用了 GPU的計算資源。實驗結(jié)果表明,在使用4或8個stream時,提出的算法相對于單種群模式縮短了約30%的運行時間。討論了CPU端與GPU端的偽隨機數(shù)對群智能算法的收斂性影響,結(jié)果表明使用GPU端的偽隨機數(shù)進行初始化使得算法收斂到門限值的概率提高了 10%左右;由于算法的初始化實施了并行,提高了群智能算法的并行化程度。最后為解決PSO算法易陷入局部最優(yōu)的問題,提出了基于CUDA動態(tài)并行機制的多起點局部搜索算法框架。由于動態(tài)并行機制的引入,當多個初始解并行地進行局部搜索時,每個解的鄰居解也將進行并行搜索,使得算法的并行層次更高,整體性更強。將該框架整合至基于CUDA streams的多種群PSO算法,使得算法在獲得加速的同時,相較于改進前的算法平均最優(yōu)解獲得了至少兩個數(shù)量級的提升,增強了算法的尋優(yōu)能力,提高了算法的魯棒性。
【圖文】：

10圖 2-6 GPU 與 CPU 的每秒浮點運算對比(GFLPS/s)Fig.2-6 Comparison of GPU and CPU floating point performance (GFLOPS/s)

圖 2-7 GPU 與 CPU 的內(nèi)存帶寬對比(GB/s)Fig.2-7 Comparison of GPU and CPU memory bandwidth (GB/s)ControlALU
【學位授予單位】：西安理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 李波;;多群智能算法的云計算任務(wù)調(diào)度的對策研究[J];信息系統(tǒng)工程;2016年12期

2 董學超;;從雞群算法看群體智能算法的發(fā)展趨勢[J];數(shù)碼世界;2017年05期

3 朱丹丹;;群智能建筑控制平臺技術(shù)[J];建筑節(jié)能;2018年11期

4 鄧潔明，韋翠細，，盧遠征;廣西壯族、毛難族集居區(qū)人群智能低下情況調(diào)查[J];中國優(yōu)生與遺傳雜志;1994年05期

5 韓九強;沈建坤;魏全瑞;趙瑋;;塔機群智能防碰撞系統(tǒng)及其應(yīng)用[J];建筑機械;2008年11期

6 段曉東;劉霞;馬艷準;閆帥;;基于群智能的信息認知機制研究[J];大連民族學院學報;2011年05期

7 Michael J. Mauboussin;;哥倫比亞大學商學院 管理層缺乏“群智能”觀念[J];董事會;2009年12期

8 侯恩哲;;群智能建筑節(jié)能專業(yè)委員會成立大會在京舉辦[J];建筑節(jié)能;2018年12期

9 羅瓊;;群智能算法高性能計算平臺探究[J];電腦編程技巧與維護;2012年24期

10 俞虹;陳綺;張瑩;;淺談動物集群智能的應(yīng)用——以蟻群為例[J];網(wǎng)絡(luò)財富;2009年12期

相關(guān)會議論文 前10條

1 李愛梅;尤慶華;;基于蟻群智能的物流配送系統(tǒng)車輛線路優(yōu)化算法[A];上海海事大學“上海石化杯”優(yōu)秀論文集[C];2005年

2 李麗娟;覃廣;;基于群智能的群搜索優(yōu)化算法及其應(yīng)用[A];中國力學學會學術(shù)大會'2009論文摘要集[C];2009年

3 劉玉超;王先義;劉毅敏;吳永宏;;基于群智能算法的頻率分配問題[A];中國通信學會第六屆學術(shù)年會論文集（下）[C];2009年

4 陳家照;羅寅生;;群智能優(yōu)化算法研究[A];第三屆中國智能計算大會論文集[C];2009年

5 高海華;王行愚;楊輝華;;基于群智能和SVM的網(wǎng)絡(luò)入侵特征選擇和檢測[A];2005年中國智能自動化會議論文集[C];2005年

6 劉雙;梁苗;胡祥云;;群智能與位場反演[A];“地球物理信息技術(shù)與人工智能應(yīng)用” 研究論壇論文摘要集[C];2017年

7 徐小通;李麗娟;劉鋒;;桁架結(jié)構(gòu)優(yōu)化設(shè)計的群智能算法[A];慶祝劉錫良教授八十華誕暨第八屆全國現(xiàn)代結(jié)構(gòu)工程學術(shù)研討會論文集[C];2008年

8 劉雙;胡祥云;習宇飛;蔡建超;張恒磊;李建慧;韋偉;;位場數(shù)據(jù)群智能隨機反演（英文）[A];2015中國地球科學聯(lián)合學術(shù)年會論文集（二十八）——專題64應(yīng)用地球物理學前沿、專題65地球生物學[C];2015年

9 李麗娟;徐小通;劉鋒;;基于群智能的群搜索算法及其在離散變量設(shè)計中的應(yīng)用[A];鋼結(jié)構(gòu)工程研究（七）——中國鋼結(jié)構(gòu)協(xié)會結(jié)構(gòu)穩(wěn)定與疲勞分會2008年學術(shù)交流會論文集[C];2008年

10 李嵐;;群智能與演化計算對比研究[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學與技術(shù)應(yīng)用（CACIS）學術(shù)會議論文集（上冊）[C];2006年

相關(guān)重要報紙文章 前3條

1 本報記者 余建斌;當無人機有了“集群智能”[N];人民日報;2017年

2 陳捷;“蟻群智能”與組織效力[N];中華工商時報;2002年

3 本報記者 王芬蘭;十大孵化器孵出一群智能鳥[N];蘇州日報;2008年

相關(guān)博士學位論文 前10條

1 梁曉磊;基于社群特性的群智能算法研究及在物流中的應(yīng)用[D];武漢理工大學;2015年

2 張國富;基于群智能的復雜聯(lián)盟機制研究[D];合肥工業(yè)大學;2008年

3 趙鳴;簡潔式群智能計算及應(yīng)用研究[D];哈爾濱工業(yè)大學;2015年

4 王東;基于粒子群智能的遙感找礦方法研究[D];中南大學;2008年

5 徐洪麗;基于混沌系統(tǒng)的群智能優(yōu)化算法研究[D];中國礦業(yè)大學（北京）;2014年

6 尹新;群智能算法與電力負荷預測研究[D];湖南大學;2011年

7 王培崇;基于群智能計算技術(shù)的網(wǎng)絡(luò)入侵檢測算法研究[D];中國礦業(yè)大學（北京）;2010年

8 湯可宗;遺傳算法與粒子群優(yōu)化算法的改進及應(yīng)用研究[D];南京理工大學;2011年

9 趙東;基于群智能優(yōu)化的機器學習方法研究及應(yīng)用[D];吉林大學;2017年

10 匡芳君;群智能混合優(yōu)化算法及其應(yīng)用研究[D];南京理工大學;2014年

相關(guān)碩士學位論文 前10條

1 韓文成;基于GPU的群智能算法研究與實現(xiàn)[D];西安理工大學;2019年

2 梅恒榮;基于群智能算法優(yōu)化的支持向量機模擬電路故障診斷[D];合肥工業(yè)大學;2018年

3 姚陶;群智能算法在短期電力負荷預測中的研究及應(yīng)用[D];華北電力大學;2017年

4 陳陽;基于多維可測量空間的群智能拓展研究[D];江西理工大學;2018年

5 劉文皓;基于群智能的攜帶機械臂移動機器人集群的管理方法研究[D];天津大學;2017年

6 呂智慧;仿推特群智能優(yōu)化算法研究[D];南京大學;2018年

7 謝玉婷;基于群智能的K-medoids聚類優(yōu)化算法研究[D];長沙理工大學;2015年

8 龐永明;基于群智能和聚類集成的TSP研究[D];寧波大學;2017年

9 楊柳;群智能算法在模體識別問題上的應(yīng)用[D];吉林大學;2009年

10 宋國際;群智能算法及其在確定模糊測度中的應(yīng)用研究[D];河北大學;2011年

本文編號：2650170