GPU加速的平行基因库在灰盒优化设置中的最佳混合

在允许部分评估的灰盒优化(GBO)环境中,个体的适配度可以在其变量的子集被修改后有效更新。由于基因库最优混合进化算法(GOMEA)的关键优势,这使得该算法的进化优化效率更高。基因库最佳混合(GOM)。对于每个解决方案,GOM对许多(小)变量集进行变异。为了进一步提高效率,可以利用并行计算。对于EA来说,这通常包括群体性的并行化。除非群体规模很大,否则这提供的收益有限。对于大的GBO问题,无论种群规模如何,基于GOM的并行化变异具有更大的加速潜力。由于变量之间的依赖性,这种潜力不能被直接利用。我们展示了如何用图形着色来分组变量,这些变量可以在不违反依赖关系的情况下进行并行变异。我们在图形处理单元(GPU)上测试了并行GOM在Max-Cut问题上的性能,这是一个可以控制依赖结构的著名问题。我们发现,对于具有有限连通性的足够大的图,找到高质量的解决方案的速度可以达到100倍,显示了我们方法的巨大潜力。

《GPU-Accelerated Parallel Gene-pool Optimal Mixing in a Gray-Box Optimization Setting》

论文地址:http://arxiv.org/abs/2203.08680v1

GPU加速的平行基因库在灰盒优化设置中的最佳混合

GPU加速的平行基因库在灰盒优化设置中的最佳混合

GPU加速的平行基因库在灰盒优化设置中的最佳混合

GPU加速的平行基因库在灰盒优化设置中的最佳混合

GPU加速的平行基因库在灰盒优化设置中的最佳混合

GPU加速的平行基因库在灰盒优化设置中的最佳混合

GPU加速的平行基因库在灰盒优化设置中的最佳混合

GPU加速的平行基因库在灰盒优化设置中的最佳混合

版权声明:本文内容由互联网用户投稿发布,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 2211788188@qq.com 举报,一经查实,本站将立刻删除。如需转载请注明出处:https://www.wptmall.com/a/article/17738

为您推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注