پیاده سازی الگوریتم بهینه سازی ازدحام ذرات با استفاده از تکنیک های جدید برروی واحد پردازشگرافیک

الگوریتم بهینه سازی اجتماع ذرات (PSO) یکی از مهمترین نمونه های هوش جمعی است.که در سال های اخیر به سرعت توسعه یافته ودر بسیاری از برنامه های کاربردی برای حل مسایل بهینه سازی در دنیای واقعی به طور موفقی مورد استفاده قرار گرفته است.و می تواند در واحد های پردازش گرافیکی بطور موثر و کارآمدی پشتیبانی و اجرا شود.در این پروژه،با توجه به مدل برنامه نویسی cuda (معماری دستگاه محاسبه یکپارچه) به بحث و بررسی رویکردهای احتمال موازی سازی الگوریتم بهینه سازی ازدحام ذرات در سختافزار گرافیکی پرداخته می شود. رویکرد واحد پردازش گرافیکی که توسط شرکت انویدیا عرضه شده قادر به پشتیبانی از جدیدترینکارت های گرافیکی می باشد.هدف اصلی این پروژه بررسی و تحلیل پیاده سازی الگوریتم بهینه سازی ازدحام ذرات میباشد. مخصوصا کارایی این الگوریتم در CPU و GPU مقایسه شده است.همچنین روشهای جدیدی برای پیاده سازی این الگوریتم برروی CPU و GPU جهت کاهش زمان اجرا پیشنهاد شده است.پیش از این موازی سازی بر روی این الگوریتم انجام شده است.که دراین پروژه با استفاده از تکنیک ها و روش ها توانستیم این الگوریتم را از نظر سرعت اجرا بهتر کنیم. سپس سرعت اجرای پردازشالگوریتم موازی بر اساس نتایج توابع معیار مربوطه به بهینه سازی ازدحام ذرات و اجرای سایر الگوریتم های موازی حاصل گردیدمورد مقایسه می گیرد.در برخی موارد،الگوریتم های موازی تفاوتهای نسبتا چشمگیری را نشان می دهند.

کلیدواژه ها:

بهینه سازی اجتماع ذرات ، موازی سازی ، واحد پردازش گرافیکی ، برنامه نویسی موازی ، واحد پردازش گرافیکی