基于GPU的群智能算法研究与实现

发布时间：2020-05-05 12:50

【摘要】：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。
【图文】：

10图 2-6 GPU 与 CPU 的每秒浮点运算对比(GFLPS/s)Fig.2-6 Comparison of GPU and CPU floating point performance (GFLOPS/s)

图 2-7 GPU 与 CPU 的内存带宽对比(GB/s)Fig.2-7 Comparison of GPU and CPU memory bandwidth (GB/s)ControlALU
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 李波;;多群智能算法的云计算任务调度的对策研究[J];信息系统工程;2016年12期

2 董学超;;从鸡群算法看群体智能算法的发展趋势[J];数码世界;2017年05期

3 朱丹丹;;群智能建筑控制平台技术[J];建筑节能;2018年11期

4 邓洁明，韦翠细，，卢远征;广西壮族、毛难族集居区人群智能低下情况调查[J];中国优生与遗传杂志;1994年05期

5 韩九强;沈建坤;魏全瑞;赵玮;;塔机群智能防碰撞系统及其应用[J];建筑机械;2008年11期

6 段晓东;刘霞;马艳准;闫帅;;基于群智能的信息认知机制研究[J];大连民族学院学报;2011年05期

7 Michael J. Mauboussin;;哥伦比亚大学商学院 管理层缺乏“群智能”观念[J];董事会;2009年12期

8 侯恩哲;;群智能建筑节能专业委员会成立大会在京举办[J];建筑节能;2018年12期

9 罗琼;;群智能算法高性能计算平台探究[J];电脑编程技巧与维护;2012年24期

10 俞虹;陈绮;张莹;;浅谈动物集群智能的应用——以蚁群为例[J];网络财富;2009年12期

相关会议论文 前10条

1 李爱梅;尤庆华;;基于蚁群智能的物流配送系统车辆线路优化算法[A];上海海事大学“上海石化杯”优秀论文集[C];2005年

2 李丽娟;覃广;;基于群智能的群搜索优化算法及其应用[A];中国力学学会学术大会'2009论文摘要集[C];2009年

3 刘玉超;王先义;刘毅敏;吴永宏;;基于群智能算法的频率分配问题[A];中国通信学会第六届学术年会论文集（下）[C];2009年

4 陈家照;罗寅生;;群智能优化算法研究[A];第三届中国智能计算大会论文集[C];2009年

5 高海华;王行愚;杨辉华;;基于群智能和SVM的网络入侵特征选择和检测[A];2005年中国智能自动化会议论文集[C];2005年

6 刘双;梁苗;胡祥云;;群智能与位场反演[A];“地球物理信息技术与人工智能应用” 研究论坛论文摘要集[C];2017年

7 徐小通;李丽娟;刘锋;;桁架结构优化设计的群智能算法[A];庆祝刘锡良教授八十华诞暨第八届全国现代结构工程学术研讨会论文集[C];2008年

8 刘双;胡祥云;习宇飞;蔡建超;张恒磊;李建慧;韦伟;;位场数据群智能随机反演（英文）[A];2015中国地球科学联合学术年会论文集（二十八）——专题64应用地球物理学前沿、专题65地球生物学[C];2015年

9 李丽娟;徐小通;刘锋;;基于群智能的群搜索算法及其在离散变量设计中的应用[A];钢结构工程研究（七）——中国钢结构协会结构稳定与疲劳分会2008年学术交流会论文集[C];2008年

10 李岚;;群智能与演化计算对比研究[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

相关重要报纸文章 前3条

1 本报记者 余建斌;当无人机有了“集群智能”[N];人民日报;2017年

2 陈捷;“蚁群智能”与组织效力[N];中华工商时报;2002年

3 本报记者 王芬兰;十大孵化器孵出一群智能鸟[N];苏州日报;2008年

相关博士学位论文 前10条

1 梁晓磊;基于社群特性的群智能算法研究及在物流中的应用[D];武汉理工大学;2015年

2 张国富;基于群智能的复杂联盟机制研究[D];合肥工业大学;2008年

3 赵鸣;简洁式群智能计算及应用研究[D];哈尔滨工业大学;2015年

4 王东;基于粒子群智能的遥感找矿方法研究[D];中南大学;2008年

5 徐洪丽;基于混沌系统的群智能优化算法研究[D];中国矿业大学（北京）;2014年

6 尹新;群智能算法与电力负荷预测研究[D];湖南大学;2011年

7 王培崇;基于群智能计算技术的网络入侵检测算法研究[D];中国矿业大学（北京）;2010年

8 汤可宗;遗传算法与粒子群优化算法的改进及应用研究[D];南京理工大学;2011年

9 赵东;基于群智能优化的机器学习方法研究及应用[D];吉林大学;2017年

10 匡芳君;群智能混合优化算法及其应用研究[D];南京理工大学;2014年

相关硕士学位论文 前10条

1 韩文成;基于GPU的群智能算法研究与实现[D];西安理工大学;2019年

2 梅恒荣;基于群智能算法优化的支持向量机模拟电路故障诊断[D];合肥工业大学;2018年

3 姚陶;群智能算法在短期电力负荷预测中的研究及应用[D];华北电力大学;2017年

4 陈阳;基于多维可测量空间的群智能拓展研究[D];江西理工大学;2018年

5 刘文皓;基于群智能的携带机械臂移动机器人集群的管理方法研究[D];天津大学;2017年

6 吕智慧;仿推特群智能优化算法研究[D];南京大学;2018年

7 谢玉婷;基于群智能的K-medoids聚类优化算法研究[D];长沙理工大学;2015年

8 庞永明;基于群智能和聚类集成的TSP研究[D];宁波大学;2017年

9 杨柳;群智能算法在模体识别问题上的应用[D];吉林大学;2009年

10 宋国际;群智能算法及其在确定模糊测度中的应用研究[D];河北大学;2011年

本文编号：2650170