基于gpu的并行连续蚁群算法及其应用研究

《基于gpu的并行连续蚁群算法及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据中图分类号：UDC：学校代码：10055密级：公开高蕊犬婆硕士学位论文基于GPU的并行连续蚁群算法及其应用研究ParallelContinuousAntColonyOptimizationAlgorithmBasedonGPUandItsApplicationResearch南开大学研究生院二。一四年五月万方数据南开大学学位论文使用授权书根据《南开大学关于研究生学位论文收藏和利用管理办法》，我校的博士、硕士学位获得者均须向南开大学提交本人的学位论文纸质本及相应电子版。本人完全了解南开大学有关研究生学位论文收藏和利用的管理规定。南开大学拥有在《著作权法》规

2、定范围内的学位论文使用权，即：(1)学位获得者必须按规定提交学位论文(包括纸质印刷本及电子版)，学校可以采用影印、缩印或其他复制手段保存研究生学位论文，并编入《南开大学博硕士学位论文全文数据库》；(2)为教学和科研目的，学校可以将公开的学位论文作为资料在图书馆等场所提供校内师生阅读，在校园网上提供论文目录检索、文摘以及论文全文浏览、下载等免费信息服务；(3)根据教育部有关规定，南开大学向教育部指定单位提交公开的学位论文；(4)学位论文作者授权学校向中国科技信息研究所及其万方数据电子出版社和中国学术期刊(光盘)电子出版社提交规定范围的学位论文及其电子版并收入相应学

3、位论文数据库，通过其相关网站对外进行信息服务。同时本人保留在其他媒体发表论文的权利。非公开学位论文，保密期限内不向外提交和提供服务，解密后提交和服务同公开论文。论文电子版提交至校图书馆网站：http：／／202．113．20．161：8001／index．htm。本人承诺：本人的学位论文是在南开大学学习期间创作完成的作品，并已通过论文答辩；提交的学位论文电子版与纸质本论文的内容一致，如因不同造成不良后果由本人自负。本人同意遵守上述规定。本授权书签署一式两份，由研究生院和图书馆留存。作者暨授权人签字：王屋2014年5月24日南开大学研究生学位论文作者信息论文题目基

4、于GPU的并行连续蚁群算法及其应用研究姓名王晨学号2120110314答辩日期2014年5月24日论文类别博士口学历硕士团硕士专业学位口高校教师口同等学力硕士口院／系／所计算机与控制工程学院专业控制理论与控制工程联系电话2120110314Email447648965@qq．corn通信地址(邮编)：天津市南开区卫津路94号南开大学伯苓楼东区503备注：无是否批准为非公开论文否注：本授权书适用我校授予的所有博士、硕士的学位论文。由作者填写(一式两份)签字后交校图书馆，非公开学位论文须附《南开大学研究生申请非公开学位论文审批表》。万方数据南开大学学位论文原创性声明

5、本人郑重声明：所呈交的学位论文，是本人在导师指导下进行研究工作所取得的研究成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：王屋2014年5月24日非公开学位论文标注说明(本页表中填写内容须打印)根据南开大学有关规定，非公开学位论文须经指导教师同意、作者本人申请和相关部门批准方能标注。未经批准的均为公开学位论文，公开学位论文本说明为空白。论文题目申请密级口限制(≤

6、2年)口秘密(≤10年)口机密(≤20年)保密期限20年月日至20年月日审批表编号批准日期20年月日南开大学学位评定委员会办公室盖章(有效)注：限制★2年(可少于2年)：秘密★10年(可少于10年)：机密★20年(可少于20年)万方数据摘要蚁群优化算法(ACO)是一种受蚂蚁群体觅食行为启发提出的基于群体智能的优化算法。蚁群算法最初被提出用于解决离散域中的优化问题，但在实际工程上，存在着大量的连续优化问题，这类问题难以使用基本蚁群算法求解；另一方面，在实际应用中，当问题具有高精度要求和高优化维度时，蚁群算法往往具有很高的时间耗费。如今，图形处理器(GPU)已经具有

7、比CPU更强大的浮点运算能力，处理器被设计成并行架构，为执行并行程序提供了有力的硬件平台。本文主要对蚁群算法在连续域中的扩展方法进行了研究，同时为提高执行效率，对连续蚁群算法进行了基于GPU的并行化设计。所做研究工作包括：(1)介绍了一种用于解决连续优化问题的连续蚁群算法。该算法遵循了蚁群算法的基本框架。详细讨论了算法的原理和机制，在基准函数上测试了算法的性能，并且与几种经典算法进行了比较，仿真结果证明了连续蚁群优化算法具有更强的优化能力；(2)提出了一种连续蚁群算法在GPU上的并行实现。为充分利用统一计算设备架构(CUDA)提供的大规模并行计算能力，算法被划分

8、成了GPU上的三个内核函