基于CPU+GPU異構計算的高維多目標支配方法.pdf

1、針對高維多目標優(yōu)化問題，基于帕累托支配的算法隨著優(yōu)化目標數(shù)的增多，解集中絕大部分解都會成為非支配解，進而導致選擇壓力的損失的問題。前期工作中提出一種線性權重支配關系LWM可以解決傳統(tǒng)帕累托支配關系在處理高維多目標優(yōu)化中的選擇壓力問題，但由于求解LWM支配關系中的非支配解過程是一個線性規(guī)劃問題，需要額外的時間開銷，計算時間長、效率低。并行化是一種通用提高算法效率的方式，而GPU并行相較于CPU有低成本、高功效特點，被本課題所采用。

2、　　本課題分析了LWM支配算法在求解高維多目標優(yōu)化問題中的時間耗費情況，結合GPU并行計算優(yōu)勢，提出了一種CPU+GPU異構計算的LWM支配關系，有效地改進了LWM支配關系的實用性。針對求解LWM非支配解過程中存在的誤差累積問題，在GPU端采用高精度浮點數(shù)運算，確保串行算法和并行算法結果一致。通過一組基于隨機分布均勻數(shù)據(jù)實驗驗證，結果表明兩者最終結果差異不顯著。本課題進一步分析了算法在各個目標中加速效率，顯示隨著目標數(shù)的增多，并行算法加

3、速比增大。在算法應用范圍的研究中，通過兩個優(yōu)化目標基準程序實驗，在一些基準程序中LWM收斂過窄缺少解的均勻分布，所以LWM支配算法并不完全適用于求解兩目標優(yōu)化問題。課題進一步通過DTLZ多目標基準程序實驗表明，LWM支配算法適合于求解5-15個優(yōu)化目標的多目標優(yōu)化問題，并且隨著目標數(shù)的增大，并行算法優(yōu)化效率越高。
　　在研究刪與多目標演化算法的結合方式中，本課題提出兩種結合方式，LWM-GA是使用刪支配關系更換現(xiàn)有NSGA-Ⅱ中的

4、Pareto支配實現(xiàn)對高維多目標優(yōu)化問題求解中。另一種是NSGA-Ⅲ+LWM，即使用NSGA-Ⅲ求解高維多目標優(yōu)化問題，再使用LWM支配關系對解集優(yōu)化。
　　為比較LWM-GA和NSGA-Ⅲ+LWM方法性能，本課題以HyperVolume作為多目標演化方法評價指標。實驗結果表明NSGA-Ⅲ和LWM-GA方法所得到的解集分布和收斂是一致的。同時在NSGA-Ⅲ與NSGA-Ⅲ+LWM方式對比中，實驗結果表明LWM支配關系可以在保持解集分