[发明专利]一种基于移动终端GPU运行的粒子群优化方法和系统

权利要求书

1.一种基于移动终端GPU运行的粒子群优化方法，其特征在于，所 述方法包括：

在CPU端初始化粒子群中粒子的位置和速度；

将粒子的位置和速度发送到GPU端；

根据获取的历史最优粒子和全局最优粒子更新粒子的速度和位置；

根据更新的粒子的速度和位置更新全局最优粒子；

若当前的全局最优粒子满足迭代条件，则GPU端将最优粒子发送至 CPU端。

2.根据权利要求1所述的一种方法，其特征在于，所述粒子群的计算 模型为星型拓扑结构，所述星型拓扑结构中，所述粒子群中的每个粒子均 相互连接。

3.根据权利要求1所述的一种方法，其特征在于，所述粒子群的计算 模型为环型拓扑结构，所述环形拓扑结构中，所述粒子群中的每个粒子与 其相邻的粒子连接。

4.根据权利要求1所述的一种方法，其特征在于，所述粒子群中的粒 子的速度和位置更新方程如下：

v_ij(t+1)＝ωv_ij(t)+c₁*r₁*(p_ij(t)-x_ij(t))+c₂*r₂*(p_gj(t)-x_ij(t))

x_ij(t+1)＝x_ij(t)+v_ij(t+1)

其中，v_i(t)＝(v_i1,v_i2,...,v_id)为第i个粒子在第t代的速度，v_ij(t)表示第i 个粒子的第j维速度；w为惯性权重0.2～0.9；c₁为认知系数，c₂为社会系 数；r₁和r₂为服从均匀分布的[0，1]之间的随机数；p_i(t)＝(p_i1,p_i2,...,p_id)为第 i个粒子的历史最优位置；x_i(t)＝(x_i1,x_i2,...,x_id)为第i个粒子在第t代的位置； p_gj(t)＝(p_g1,p_g2,...,p_gd)为群体历史最优位置。

5.根据权利要求1所述的一种方法，其特征在于，所述方法基于CUDA 编程模型运行，所述CUDA编程模型包括：线程、线程块以及线程格；每 个线程都有一个唯一的线程编号和一个私有寄存器；每个线程块拥有一个 共享存储器，每个线程块中所有线程均可访问共享内存，至少两个线程块 构成一个线程格。

6.根据权利要求5所述的一种方法，其特征在于，所述历史最优粒子 和全局最优粒子通过所述CUDA编程模型获取，在CUDA编程模型上获 取历史最优时，一个线程对应一个粒子，各线程同时调用预设函数。

7.根据权利要求5所述的一种方法，其特征在于，所述更新粒子的速 度和位置通过所述CUDA编程模型完成，更新位置和速度时，一个线程对 应粒子的每一维；均按线程索引来读取数据并处理。