基于cuda符号回归算法并行设计和实现的论文

《基于cuda符号回归算法并行设计和实现的论文》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、西安电子科技大学学位论文创新性声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读

2、学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密在年解密后适用本授权书。本人签名：日期导师签名：日期摘要随着信息存储的急剧增长，人们迫切需要从海量数据中提取有用的信息与知识，并将获取的有用经验广泛用于商务管理、生产控制、市场分析、工程设计和科学探索等。而符号回归算法则是数据挖掘在科学计算领域的一个重要研究方向与

3、课题。简单地说，符号回归即是在一组大量的相关变量的数据样本中，搜索出一个符号形式的数学公式，来以指定的精度拟合数据。目前解决该问题的方法多是基于遗传规划算法来实现的，但由于其编码的复杂性与变异过程的不易操作性，本文采用基于基因表达式程序设计(GEP)的新型进化算法，它结合了遗传算法定长线性编码方式与遗传规划算法易于表达复杂结构的优势，使得其在实际应用尤其是符号回归问题上表现的相当出色。为了改进传统GEP算法的性能与精度，本文选用GPU作为并行计算平台，使用Nvidia公司推出的统一计算设备架构CUDA这一编程模型，将GEP遗传算法中计算量最大的适应度值求解过程放在GPU上

4、并行处理，充分发挥了GPU的计算性能，并得到了满意的加速效果。而在算法正确性方面，本文在个体的进化算法过程中融入了本地搜索算法，最小二乘方法(MLS)，旨在个体每次进化出固定结构后，不断地优化常系数，使其最大精度的满足实验样本数据，从而改善每个染色体的适应度值。本文实验部分，选取了30组从国外文献中摘取出来的，具有代表意义的实验样例，分别从算法性能与成功率两方面进行实验。在速度对比实验中，基于CUDA的符号回归算法性能相对于串行程序能够达到250倍的加速比；而在搜索结果正确率比对实验中，嵌入MLS常系数生成算法的符号回归算法，无论在最优残差还是在平均残差的参量上都要优于其

5、他几种常系数生成算法，进化搜索出来的公式能够更精确的拟合实验样本数据。关键词：符号回归基因表达式编程CUDAGPU最小二乘法AbstractWiththerapidlygrowthofinformationdata,peopleexpectsobadlytofindamethodtoextractusefulinformationandknowledgefromthesemagnanimousamountofdata.Thisexperiencecanbewidelyusedinbusinessmanagement,productioncontrol,marketanal

6、ysis,engineeringdesignandscientificexploration.SymbolicRegressionisapromisingresearchaspectintheeraofscientificcomputingfordatamining.Inshort,thegeneralpurposeofSymbolicRegressionistofindanoptimalsymbolexpressionthatbestfitsatargetsampleset,whichhasmuchexperimentaldata.Currently,themainst

7、reammethodstosolvetheproblemofSymbolicRegressionarealmostbasedongeneticprogramming(GP).ForthereasonthatindividualsinGPareextremelydifficulttoreproducewithmodification,weadoptapopularevolutionaryalgorithm,geneexpressionprogramming(GEP),inthispaper.TheGEPindividualsar