[发明专利]基于自适应并行遗传算法的大规模符号回归方法及系统

摘要

本发明公开了一种基于自适应并行遗传算法的大规模符号回归方法及系统，所述系统包括：主进程模块，用于初始化，调用CPU线程模块，同步障与迁移操作；CPU线程模块，用于执行遗传编程算法，EV的更新，以及调用GPU适应值评估模块；GPU适应值评估模块，包括CPU辅助线程、CUDA库函数、及CUDA自定义函数，用于执行适应值评估。本发明为遗传编程算法引入自适应的多种群进化机制与异构计算资源的并行计算系统，运用自适应的多种群进化机制成功提取出有效构建元素，从而提高遗传编程算法在多构建元素的复杂问题中的性能，通过设计异构计算资源的并行计算系统，充分利用了CPU与GPU的计算资源，显著提高了搜索效率。

主权项

1.一种基于自适应并行遗传算法的大规模符号回归方法，其特征在于，包括步骤：1)根据问题的构建元素集生成N_s个准正交的稀疏初始环境向量EV，并根据EV初始化N_s个子种群，每个子种群含M_s个个体；创建N_TC个CPU线程以及在GPU内存中申请N_B个GPU块、每个块中N_T个GPU线程与足够的内存空间，准备计算；2)启动N_TC个CPU线程同时执行子种群的独立进化，所述子种群的独立进化包含遗传编程算法与EV更新操作，所述EV更新操作主要依据该子种群中各构建元素的出现频率进行调整；所述独立进化过程中的适应值评估由调用GPU计算资源完成；调用时，CPU线程首先将该子种群的信息进行解码，载入缓存，然后等待GPU返回结果，完成适应值评估；一个CPU线程等待GPU时，其他CPU线程可继续完成对应子种群的独立进化；子种群不断循环遗传算子直至到达同步障，当一个子种群到达同步障后，对应的CPU线程重新查询是否有子种群仍未执行独立进化，若有，CPU线程转去该子种群执行计算，若无，继续重新查询；3)周期性检查缓存数据，当GPU检测到来自CPU的适应值评估请求时，GPU把缓存数据，即待适应值评估的子种群载入GPU内存，并启动GPU块及其中的GPU线程执行计算，当缓存中的所有个体完成计算后，GPU把计算结果汇总，并返回给CPU，完成适应值评估；4)所有子种群到达同步障后，执行个体迁移操作，所述个体迁移操作包含个体的迁入与迁出；5)迁移操作完成后，如果达到结束条件则终止，否则返回步骤2)。