基于CUDA的并行粒子群优化算法的设计与实现

作者：蔡勇; 李光耀; 王琥

来源：计算机应用研究, 2013, (08): 2415-2418.

• 粒子群优化算法
• 并行计算
• GPU
• 统一计算设备架构 particle swarm optimization(PSO)algorithm
• parallel computing
• CUDA

针对处理大量数据和求解大规模复杂问题时粒子群优化(PSO)算法计算时间过长的问题,进行了在显卡(GPU)上实现细粒度并行粒子群算法的研究。通过对传统PSO算法的分析,结合目前被广泛使用的基于GPU的并行计算技术,设计实现了一种并行PSO方法。本方法的执行基于统一计算架构(CUDA),使用大量的GPU线程并行处理各个粒子的搜索过程来加速整个粒子群的收敛速度。程序充分使用CUDA自带的各种数学计算库,从而保证了程序的稳定性和易写性。通过对多个基准优化测试函数的求解证明,相对于基于CPU的串行计算方法,在求解收敛性一致的前提下,基于CUDA架构的并行PSO求解方法可以取得高达90倍的计算加速比。

• 单位
  汽车车身先进设计制造国家重点实验室; 湖南大学