三种GPU并行的自适应邻域模拟退火算法-计算机工程与应用.PDFVIP

70 2015 ，51（22 ） Computer Engineering and Applications 计算机工程与应用 三种GPU 并行的自适应邻域模拟退火算法 林 敏，钟一文 LIN Min, ZHONG Yiwen 福建农林大学 计算机与信息学院，福州 350002 College of Computer and Information, Fujian Agriculture and Forestry University, Fuzhou 350002, China LIN Min, ZHONG Yiwen. Three GPU-based parallel simulated annealing algorithm with adaptive neighborhood. Computer Engineering and Applications, 2015, 51 （22 ）：70-76. Abstract ：Three new GPU-based parallel simulated annealing algorithms with adaptive neighborhood are proposed in this paper. They are parallel genetic-simulated annealing algorithm based on GPU, parallel annealing algorithm with multiple Markov chains, and parallel annealing algorithm based on block. Several novel strategies adopted in these algorithms such as coalescent memory access, avoiding bank conflict, and reduction improve the performance. The experiments tested on 11 typical benchmark functions show the new three algorithms have better accuracy and faster convergence speed than the nonu-SA algorithm. Key words ：Graphic Processing Unit （GPU ）; genetic algorithm; adaptive neighborhood; Compute Unified Device Archi- tecture （CUDA ）; Gaussian distribution 摘 要：提出了三种新的GPU 并行的自适应邻域模拟退火算法，分别是GPU 并行的遗传-模拟退火算法，多条马尔 可夫链并行的退火算法，基于BLOCK 分块的GPU 并行模拟退火算法，并通过对GPU 端的程序采取合并内存访问， 避免bank 冲突，归约法等方式进一步提升了性能。实验中选取了11 个典型的基准函数，实验结果证明这三种GPU 并行退火算法比nonu-SA 算法具有更好的精度和更快的收敛速度。 关键词：图形处理器（GPU ）；遗传算法；自适应邻域；计算统一设备架构（CUDA ）；Guassion 分布 文献标志码：A 中图分类号：TP301.6 doi ：10.3778/j.issn. 1002-8331.1311-0212 1 引言 法，并借助了nonu-SA[10]算法的状态生成函数，结合GPU 模拟退火算法是一种启发式的全局最优化算法，但 并行的特点，提出了三种GPU 并行的算法。算法通过 其有两个缺陷：（1）容易陷入局部最优解；（2 ）需要花费 产生大量的并行线程加快搜索进程，并使邻域的选择可 [1] 以从多个位置出发，即每个位置被限制在局部范围搜索 较多的时间以求得一个较优的解 。为克服这些缺陷， 学者们提出了各种方法以加速退火算法的收敛速率。 下一个解，而多个位置的组合使其在寻找下一个解时可 这些算法主要有：依赖温度的快速退火方案，如G