|
图书馆
|
你的个人资料 |
|
软件系统和计算方法
正确的文章链接:
Agibalov O.I., Ventsov N.N.
在GPU和CPU上运行的遗传算法的参数和结果的评估
// 软件系统和计算方法.
2019. № 3.
С. 12-19.
DOI: 10.7256/2454-0714.2019.3.30502 URL: https://cn.nbpublish.com/library_read_article.php?id=30502
在GPU和CPU上运行的遗传算法的参数和结果的评估
DOI: 10.7256/2454-0714.2019.3.30502评审日期 09-08-2019出版日期 26-08-2019注解: 研究的目的是为资源密集型计算的组织选择最佳硬件体系结构的过程。 研究的主题是在GPU和CPU架构上利用遗传算法解决优化问题的过程。 硬件架构的选择对求解优化问题的过程的影响显示：计算过程的减速的绝对和相对依赖性，当选择非理性的硬件架构时，对算法处理的个体数的决定。 确定的是，对于所考虑的问题，最有效硬件配置的边界可以在从1000到5000个人的范围内。 出于这个原因，最好将有效硬件配置的边界模糊描述为一组对"个体数量-属于过渡"研究方法基于对计算实验结果的分析。 实验的目的是确定遗传算法（GA）在GPU和CPU架构上的执行时间对生成的个体（染色体）数量的依赖性。 进行了在GPU和CPU上执行的遗传算法的最小和最大运行时间对个体数量的依赖性的比较。 结果表明，在求解所考虑的问题时，在GPU上执行的算法的最小和最大时间依赖性接近于线性函数；在GPU上执行的算法的最小时间依赖性接近于线性函数， 出版日期: 优化计算, 遗传算法, 适应, 中央处理单元, 图形处理器, 智能系统, 首选硬件架构, 进化, 多线程, 建模 |
© 1998 – 2024 Nota Bene. Publishing Technologies. NB-Media Ltd.
Cn
