差分进化算法的细粒度并行计算方法及其应用

摘要

为了提升高维复杂非线性函数优化问题的求解效率,设计现了一种基于图形处理器的差分进化算法的细粒度并行计算方法.主要解决了GPU端随机数的高质量高效率生成方式,并采用函数分解策略实现了高维函数的并行计算以降低程序粒度,满足GPU计算特性.程序设计和编写采用统一计算架构(CUDA),并充分使用CUDA自带的各种数学运算库,保证了程序的稳定性和易用性.数值算例证明,并行计算方法稳定并且高效,在优化收敛性一致的前提下,采用GTX970显卡可以取得较高的计算加速比.