پياده سازي الگوريتم بهينه سازي ازدحام ذرات بر روي واحد پردازش گرافيكي با استفاده از زبان برنامه نويسيCUDA

Implementation of Particle Swarm Optimization algorithm on Graphics Processing Unit within the CUDA architecture

الگوريتم بهينه سازي اجتماع ذرات(pso)، يكي از الگوريتم هاي تكاملي براي حل مسائل بهينه سازي است كه در بسياري از زمينه ها مورد استفاده قرار مي گيرد.كه در سال‌هاي اخير به سرعت توسعه‌ يافته و در بسياري از برنامه‌هاي كاربردي براي حل مسائل بهينه سازي در دنياي واقعي به ‌طور موفقي مورد استفاده قرار گرفته ‌است. با اجراي اين الگوريتم بر روي واحد پردازش گرافيك باعث كاهش زمان اجرا شده ايم.مخصوصا كارايي اين الگوريتم درCPU و GPU مقايسه شده است.براي مثال اجراي تابع محك زن Rosenbrockبه زماني برابر با 124 ثانيه نياز دارد. هدف از اين مقاله پياده سازي الگوريتم بهينه سازي ازدحام ذرات به صورت موازي بر روي واحد پردازش گرافيكي(GPU)است. نتايج پياده سازي دو تابع مح زن بر روي GPU نشان داده است كه زمان سرعت اجرا را مي توان تا 4 برابر زمان اجرا نسبت به CPU كاهش داد. در برخي موارد، الگوريتم هاي موازي تفاوتهاي نسبتا چشمگيري را نشان مي دهند.

Particle Swarm Optimization, an evolutionary algorithm to tackle optimization problems, is applied to many cases.Developing rapidly during the recent years, PSO is promisingly employed in implementing numerous applications to solve optimization issues in the real world. Furthermore, the execution time reduces through implementing PSO on GPU. In particular, the efficency of the algorithm is compared on both CPU and GPU. As an illustration, implementing Rosen brock benchmark function equally requires 124 seconds. In this paper we will discuss implementing PSO on GPU in parallel.The results of the two benchmark functions on GPU indicate that the execution speed up s time could be reduced to 4 times compared to CPU. In some cases, parallel algorithms introduce rather significant differences