计算机科学与探索

作者：康上, 钱雪忠, 甘霖

单位：1. 江南大学 人工智能与计算机学院 物联网技术应用教育部工程研究中心，江苏 无锡 2141222. 国家超级计算无锡中心，江苏 无锡 2141313. 清华大学 计算机科学与技术系，北京 100084

关键词：高性能计算,申威异构众核处理器,演化算法,合作协同进化模型（CC）,池模型

演化算法作为解决大规模优化问题的重要方法，被广泛应用于机器学习、过程控制、工程优化、管理科学和社会科学等领域。然而在求解高维度、高计算密度问题时，程序性能很难得到保证。在高性能计算机上实现并行化是问题的一个热门解决方案。针对申威众核处理器的硬件特征，提出了采用二级并行策略的自适应邻域搜索的差分进化算法（SaNSDE）。第一级为进程并行，实现了合作协同进化模型和池模型，将大规模问题划分为多个低维子问题并分布在不同进程上；第二级为线程并行，使用从核加速了适应度的计算过程。实验结果表明，采用合作协同进化模型和池模型的算法与传统的并行算法相比，经过多核扩展之后收敛效果提升更加明显。相较于串行版本算法，二级并行的SaNSDE算法在四个测试函数上分别获得了134.29、186.05、239.01和189.80的最大加速比。

来源：2021年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第10期