基于自適應線程束的GPU并行PSO算法
大小：0.86 MB 人氣：0 2017-12-08 需要積分：1
基于統一計算設備架構（ CUDA）對圖形處理器（GPU）下的并行粒子群優化（PSO）算法作改進研究。根據CUDA的硬件體系結構特點，可知Block是串行執行的，線程束（Warp）才是流多處理器（SM）調度和執行的基本單位。為了充分利用Block中線程的并行性，提出基于自適應線程束的GPU并行PSO算法：將粒子的維度和線程相對應；利用GPU的Warp級并行，根據維度的不同自適應地將每個粒子與一個或多個Warp相對應；自適應地將一個或多個粒子與每個Block相對應。與已有的粗粒度并行方法（將每個粒子和線程相對應）以及細粒度并行方法（將每個粒子和Block相對應）進行了對比分析，實驗結果表明，所提出的并行方法相對前兩種并行方法，CPU加速比最多提高了40。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
