Cpu和GPU上执行的遗传算法运行时间的依赖关系的估计

DOI:

评审日期

出版日期

注解: 研究的主题是选择用于实现随机种群算法的最有效硬件体系结构的问题。
研究对象是在中央处理器（CPU）和图形处理器（GPU）上执行的遗传算法。
介绍了一项计算实验的结果，该实验比较了在中央处理器和图形处理器上执行的遗传算法的操作时间对所用染色体数目的依赖性。 给出了解决问题的总时间和CPU和GPU初始化所需时间的比较。
由于无法获得遗传算法的准确时间估计，因此构建了GPU算法对3000条染色体运行时间的模糊估计。该研究方法基于对在CPU和GPU上执行的遗传算法的运行时间对群体中个体数量的依赖性的实验评估。 在两种类型的处理器上实现遗传算法的计算复杂度近似对应于O(n)-O(n2)的值。 基于所提出的结果，发现当使用多达2000-2500条染色体的群体时，在CPU上实现遗传算法更方便，并且当使用超过3000-4000条染色体时-在GPU上。 效率边界的模糊是由于遗传算法的随机性。
所获得的选择硬件体系结构权宜之计的边界估计仅适用于此任务。 对于其他任务，在其他硬件和软件条件下，这些结果会有所不同。 在所考虑的情况下，不仅效率边界的数值评估很重要，而且确定这样一个转折点的可能性的事实也很重要。

出版日期: