在AWS上基于CUDA的并行粒子群算法的研究與應(yīng)用.pdf

1、粒子群優(yōu)化算法作為群體性智能算法，在解決優(yōu)化問題中得到了廣泛應(yīng)用。隨著大數(shù)據(jù)、云計算時代的來臨，當(dāng)優(yōu)化問題規(guī)模巨大時，計算密度的迅速增大致使PSO算法變得十分耗時。當(dāng)前主要運用分布式集群技術(shù)提高算法效率，但是搭建或者購買計算機集群的成本高，普通研究人員無法承擔(dān)。隨后，因為GPU高內(nèi)存帶寬、高度并行性以及比CPU更低成本等優(yōu)勢，使用GPU加速PSO算法并行可有效解決耗時這一問題。但是，現(xiàn)有基于GPU的PSO并行加速只是利用本地單節(jié)點GPU

2、功能，不能發(fā)揮GPU設(shè)備的大數(shù)據(jù)處理能力;GPU硬件設(shè)備尤其是有大數(shù)據(jù)處理能力的GPU集群設(shè)備價格雖然較CPU集群有所降低，但成本依然較高，中小企業(yè)和研究機構(gòu)依然無力承擔(dān)。
　　亞馬遜公司的AWS(Amazon Web Services)為用戶提供了高效可靠的基礎(chǔ)設(shè)施服務(wù)且價格低廉，使得這些機構(gòu)完成大數(shù)據(jù)規(guī)模運算成為可能。基于此，提出一種在AWS上基于CUDA的并行PSO算法，在AWS GPU實例上利用CUDA編程來提升算法性能，

3、完成大數(shù)據(jù)規(guī)模下的加速并行。由于該算法基于AWS平臺，本地計算機只要有網(wǎng)絡(luò)支持均可以實施，避免了本地硬件環(huán)境對算法應(yīng)用的限制，使得更多的研究人員可以使用基于AWS的并行PSO算法來解決實際問題。
　　主要貢獻:
　　(1)提出了一種基于AWS的GPU并行粒子群算法，使用AWS云計算平臺完成大數(shù)據(jù)規(guī)模下PSO的加速并行。
　　(2)為把云計算平臺AWS應(yīng)用到GPU并行計算領(lǐng)域，控制研究和生產(chǎn)的成本，引導(dǎo)小生產(chǎn)環(huán)境和高校實