.png){kind=icon}
返回
Accelerating Bilevel Optimization With Hierarchical Many-Threaded Parallel Differential Evolution
.png){kind=icon}
PRE
AI
DOI：10.1109/TEVC.2025.3560217.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
双层优化在许多相关的实际应用中都会遇到。这类问题的主要特征是一个上层优化问题受到嵌套下层优化问题的约束。由于这种嵌套结构，双层问题（BLPs）通常在求解时计算成本很高。差分进化（DE）在求解规模相对较小的BLPs方面已经显示出有希望的结果。随着问题规模的增加，决策空间本质上变得更大，需要越来越多的函数评估次数才能使方法正常工作。在此背景下，深度并行化和高性能计算技术对于能够解决更复杂和具有挑战性的优化问题至关重要。因此，我们提出了一种分层多线程并行DE方法用于BLPs，其中两个层级都被并行化。计算实验表明，在NVIDIA A100 GPU上运行时，并行实现针对一个知名的具有可扩展性的SMD基准测试问题，其运行时速度比串行版本快44到2559倍。研究发现，算法的收敛性受到上层和下层迭代次数的共同强烈影响。此外，大规模问题实验的成功与选择较小的种群规模密切相关。
Keyword:
Bilevel optimization
differential evolution (DE)
heterogeneous computing
hierarchical decomposition
GP-GPU
many-threaded parallelism
期刊
IF:
12
论文数:
1.8K
被引数:
2.4W
机构
引用论文
A new co-evolutionary decomposition-based algorithm for bi-level combinatorial optimization一种新的基于协同进化分解的双层组合优化算法.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
A nested particle swarm algorithm based on sphere mutation to solve bi-level optimizationSOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏Co-evolutionary algorithms to solve hierarchized Steiner tree problems in telecommunication networks
PREAI
分享收藏
查看更多内容