基于CUDA的并行粒子群优化算法研究及实现.pdfVIP

第 41卷 第9期 计 算 机 科 学 Vo1．41No．9 2014年 9月 Computer Science Sep2014 基于 CUDA的并行粒子群优化算法研究及实现 陈 风 田雨波 杨 敏 (江苏科技大学电子信息学院 镇江 212003) 摘 要 应用图形处理器(GPU)来加速粒子群优化(PSO)算法并行计算时，为突出其加速性能，经常有文献以恶化 CPU端PSO算法性能为代价。为了科学比较GPU-PSO算法和CPU-PSO算法的性能，提出用 “有效加速比”作为算 法的性能指标。文中给出的评价方法不需要 CPU和GPU端粒子数相同，将 GPU并行算法与最优 CPU 串行算法的 性能作比较 ，以加速收敛到 目标精度为准则，在统一计算设备架构(CUDA)下对多个基准测试函数进行了数值仿真实 验。结果表明，在GPU上大幅增加粒子数能够加速PSO算法收敛到 目