GPU上蚁群优化算法的并行化策略
分布式、并行与集群计算
2016-11-15 v1 多智能体系统
摘要
蚁群优化算法是一种有效的基于群体的元启发式算法，用于解决各种问题。作为一种基于群体的算法，其计算本质上是高度并行的，因此理论上非常适合在图形处理单元上实现。蚁群优化算法包括两个主要阶段：路径构建和信息素更新。前者之前已在GPU上使用基于任务的并行化方法实现。然而，到目前为止，后者总是在CPU上实现。在本文中，我们讨论了在GPU上对蚁群优化算法两个阶段的几种并行化策略。我们提出了一种替代的基于数据的并行化方案用于路径构建，该方案更适合GPU架构。我们还描述了用于信息素更新阶段的新型GPU编程策略。我们的结果显示，路径构建阶段的总加速比超过28倍，信息素更新阶段超过20倍，这表明蚁群优化算法是未来GPU领域研究中一个潜在富有成果的领域。
引用
@article{arxiv.1101.2678,
title = {Parallelization Strategies for Ant Colony Optimisation on GPUs},
author = {Jose M. Cecilia and Jose M. Garcia and Manuel Ujaldon and Andy Nisbet and Martyn Amos},
journal= {arXiv preprint arXiv:1101.2678},
year = {2016}
}
备注
Accepted by 14th International Workshop on Nature Inspired Distributed Computing (NIDISC 2011), held in conjunction with the 25th IEEE/ACM International Parallel and Distributed Processing Symposium (IPDPS 2011)