GPU上的维度并行随机吸引策略萤火虫算法

计算机工程与科学

GPU上的维度并行随机吸引策略萤火虫算法

刘金1，2，吴志健1，2，吴双可2，王晖3，邓长寿4

（1.武汉大学软件工程国家重点实验室，湖北武汉 430072；2.武汉大学计算机学院，湖北武汉 430072；

3.南昌工程学院信息工程学院，江西南昌 330099；4.九江学院信息科学与技术学院，江西九江 332005）

收稿日期:2015-05-28 修回日期:2015-10-20 出版日期:2016-10-25 发布日期:2016-10-25
基金资助:
国家自然科学基金（61305150,61364025,61070008）；江西省自然科学基金（20142BAB217020）；南通市科技局应用研究项目（BK2014057）

A dimensionally parallel firefly algorithm

with random attraction on GPU

LIU Jin1，2，WU Zhijian1，2，WU Shuangke1，2，WANG Hui3，DENG Changshou4

（1.State Key Laboratory of Software Engineering,Wuhan University,Wuhan 430072;

2.School of Computer,Wuhan University,Wuhan 430072;

3.School of Information Engineering,Nanchang Institute of Technology,Nanchang 330099;

4.School of Information Science and Technology,Jiujiang University,Jiujiang 332005,China）

Received:2015-05-28 Revised:2015-10-20 Online:2016-10-25 Published:2016-10-25

摘要/Abstract

摘要：

随机吸引策略萤火虫算法是一种元启发式优化算法。它优化了标准萤火虫算法，不仅降低了其时间复杂度，而且提高了其优化能力。高维全局优化问题的求解是一个非常耗时的过程，为了减少优化高维问题所需时间，进一步简化了随机吸引策略萤火虫算法，降低了时间复杂度，同时设计了一种维度并行策略，提出了GPU上的维度并行随机吸引策略萤火虫算法。实验结果表明，本算法保持了随机吸引策略萤火虫算法的优化能力，且加速效果明显。

关键词: 萤火虫算法, CUDA, 并行化

Abstract:

The firefly algorithm (FA) with random attraction is a metaheuristic optimization algorithm. It optimizes the standard FA, reduces the computation time complexity and improves the optimization ability of the standard FA. Solving highdimensional global optimization problem is time consuming. So to reduce the time for solving highdimensional global optimization problems, we simplify the firefly algorithm with random attraction further, and propose a dimensionparallel firefly algorithm with random attraction on GPU. Experimental results show that the proposed algorithm can reduce the computation time effectively while remaining the same optimization ability as the firefly algorithm with random attraction.

Key words: firefly algorithm, CUDA, parallelization

刘金1，2，吴志健1，2，吴双可2，王晖3，邓长寿4. GPU上的维度并行随机吸引策略萤火虫算法[J]. 计算机工程与科学.

LIU Jin1，2，WU Zhijian1，2，WU Shuangke1，2，WANG Hui3，DENG Changshou4.

A dimensionally parallel firefly algorithm

with random attraction on GPU

[J]. Computer Engineering & Science.

编辑推荐

Metrics

阅读次数

全文

232

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	232	0	0

来源	本网站	其他网站

次数	193	39
比例	83%	17%

摘要

108

最新录用	在线预览	正式出版

108	0	0

	来源	本网站

	次数	108
	比例	100%

[1]	苏丽，孙彦猛，张博为，杨先博，朱颖. 一种基于Hadoop+CUDA实现相关器的方法[J]. J4, 20160101, 38(01): 46-51.
[2]	杨航, 山蕊, 杨坤, 崔馨月. 基于动态自重构结构的3D-HEVC帧内预测算法并行化实现[J]. 计算机工程与科学, 2024, 46(11): 1931-1939.
[3]	杨仕琦, 武优西, 耿萌, 李艳. 一次性条件下的三支序列模式挖掘[J]. 计算机工程与科学, 2024, 46(07): 1286-1295.
[4]	郭宸良, 阎少宏, 宗晨琪. 线云隐私攻击算法的并行加速研究[J]. 计算机工程与科学, 2024, 46(04): 615-625.
[5]	陈强, 谭林, 王云丽, 肖靖. 工业区块链中基于CUDA的数据并行处理方法[J]. 计算机工程与科学, 2022, 44(12): 2102-2110.
[6]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[7]	曹良林, 贲可荣, 张献. 基于代理辅助多目标萤火虫算法的软件缺陷预测方法研究[J]. 计算机工程与科学, 2022, 44(02): 257-265.
[8]	左宪禹1,2，张哲1,5，黄祥志4,5，葛强1,2，张理涛3，臧文乾4,5. 一种适用于GPU图像处理算法的合并存储结构[J]. 计算机工程与科学, 2020, 42(02): 197-202.
[9]	杨青1,2,3，张亚文1,2，张琴1，袁佩玲1. 基于Hadoop的多维关联规则挖掘算法研究及应用[J]. 计算机工程与科学, 2019, 41(12): 2127-2133.
[10]	何登平1，2，3，何宗浩1,2，李培强1,2. 基于Spark的并行化高效用项集挖掘算法[J]. 计算机工程与科学, 2019, 41(10): 1723-1730.
[11]	段兴锋1,2,任鸿翔1,神和龙1. 基于CUDA的弱可压SPH流体建模与仿真[J]. 计算机工程与科学, 2018, 40(08): 1375-1382.
[12]	陶晓玲1,2,亢蕊楠3，刘丽燕3. 基于选择性集成的并行多分类器融合方法[J]. 计算机工程与科学, 2018, 40(05): 787-792.
[13]	东桥，郭敏. 基于萤火虫算法的温度场重建[J]. 计算机工程与科学, 2018, 40(01): 159-164.
[14]	张敏华,张剑贤,裘雪红,周端. 基于OpenCL 的JPEG压缩算法并行化设计与实现[J]. 计算机工程与科学, 2017, 39(05): 860-.
[15]	谭延丹，易会战，张鹏. 面向多核体系结构的并行迭代编译技术研究[J]. 计算机工程与科学, 2017, 39(03): 436-442.