張碩+何發(fā)智+周毅+鄢小虎

摘 要：基于統(tǒng)一計算設(shè)備架構(gòu)（CUDA）對圖形處理器（GPU）下的并行粒子群優(yōu)化（PSO）算法作改進研究。根據(jù)CUDA的硬件體系結(jié)構(gòu)特點，可知Block是串行執(zhí)行的，線程束（Warp）才是流多處理器（SM）調(diào)度和執(zhí)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(yīng)線程束的GPU并行PSO算法：將粒子的維度和線程相對應(yīng)；利用GPU的Warp級并行，根據(jù)維度的不同自適應(yīng)地將每個粒子與一個或多個Warp相對應(yīng)；自適應(yīng)地將一個或多個粒子與每個Block相對應(yīng)。與已有的粗粒度并行方法（將每個粒子和線程相對應(yīng)）以及細(xì)粒度并行方法（將每個粒子和Block相對應(yīng)）進行了對比分析，實驗結(jié)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。

關(guān)鍵詞：粒子群優(yōu)化算法；并行計算；圖形處理器；統(tǒng)一計算設(shè)備架構(gòu)；自適應(yīng)線程束

中圖分類號： TP301.6

文獻標(biāo)志碼：A

文章編號：1001-9081（2016）12-3274-06