.png){kind=icon}
返回
GPU/CUDA-Accelerated gradient growth optimizer for efficient complex numerical global optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.parco.2025.103160.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效求解高维复杂数值优化问题仍然是高性能计算中的一个关键挑战。本文提出了一种GPU/CUDA加速的梯度增长优化器（GGO）——一种新颖的并行元启发式算法，它结合了梯度引导局部搜索与GPU支持的规模化并行性。基于增长优化器（GO），GGO引入了一种基于中心差分近似的维度梯度引导策略，该策略在不要求目标函数可微的情况下提高了解的精度。为解决高维问题的计算瓶颈，开发了一种混合CUDA框架，整合了细粒度和粗粒度并行策略，以充分利用GPU资源并减少内存访问延迟。在CEC2017和CEC2022基准测试套件上的大量实验表明，GGO在收敛精度和计算速度两方面均表现出优异性能。与49种当前最先进的优化算法相比，GGO在67%的测试案例中取得了排名第一的结果，并相比其CPU基线版本实现了最高7.8倍的加速。Wilcoxon符号秩检验的统计分析进一步证实了其在高维场景下对29个函数中的28个函数具有鲁棒性。此外，深入分析揭示，随着问题维度和种群规模的增加，GGO仍能保持高可扩展性和性能，为高维全局优化提供了一种通用解决方案，非常适合应用于科学和工程领域的并行计算场景。
Keyword:
Parallel optimization
GPU acceleration
CUDA computing
Metaheuristic algorithm
Gradient-guided search
High-dimensional optimization
期刊
P
IF:
2.1
论文数:
19
被引数:
0
机构
引用论文
Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm蛾焰优化算法: 一种新的自然启发启发式范式
PREAI
分享收藏Manta ray foraging optimization: An effective bio-inspired optimizer for engineering applications
PREAI
分享收藏Multi-Verse Optimizer: a nature-inspired algorithm for global optimization多宇宙优化器: 一种自然启发的全局优化算法
PREAI
分享收藏A memory-based gravitational search algorithm for solving economic dispatch problem in micro-grid
OAAI
OAAI分享收藏
分享收藏分享收藏Simulated annealing-based dynamic step shuffled frog leaping algorithm: Optimal performance design and feature selection基于模拟退火的动态步混合蛙跳算法: 最佳性能设计和特征选择.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容