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 ›› 2015, Vol. 51 ›› Issue (22): 70-76.

三种GPU并行的自适应邻域模拟退火算法

林敏，钟一文

福建农林大学计算机与信息学院，福州 350002

出版日期:2015-11-15 发布日期:2015-11-16

Three GPU-based parallel simulated annealing algorithm with adaptive neighborhood

LIN Min, ZHONG Yiwen

College of Computer and Information, Fujian Agriculture and Forestry University, Fuzhou 350002, China

Online:2015-11-15 Published:2015-11-16

摘要/Abstract

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

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 Architecture（CUDA）, Gaussian distribution

林敏，钟一文. 三种GPU并行的自适应邻域模拟退火算法[J]. 计算机工程与应用, 2015, 51(22): 70-76.

LIN Min, ZHONG Yiwen. Three GPU-based parallel simulated annealing algorithm with adaptive neighborhood[J]. Computer Engineering and Applications, 2015, 51(22): 70-76.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.