42 / 2021-08-21 13:37:59

面向极高维问题的并行频繁覆盖随机漂移粒子群优化算法

极高维问题,频繁覆盖,GPU,随机漂移粒子群优化算法

极高维问题的优化求解面临着搜索空间随决策变量数量增加而呈指数级增长、目标函数评价耗时、易陷入局部最优等问题，给优化算法带来较大的挑战。为此，本文提出了基于频繁覆盖策略的随机漂移粒子群优化算法并基于GPU框架实现优化求解的并行加速。频繁覆盖策略的引入可以实现问题降维以解决问题维度极高的问题。在基于GPU的并行化设计上，本文提出了一种细粒度的并行方案，即线程对应维度，多个block对应粒子个体，将粒子个体与GPU架构相互映射以提高并行访问效率。所提算法还针对算法特点设计了算法执行过程中的五个并行操步骤以提高计算效率。在9个极高维测试函数上的实验结果表明，本文所提并行算法在极高维问题的优化求解上的计算时间大幅度缩短，算法的收敛结果在精度上也有较好的提升。