基于岛的遗传算法在CUDA上的优化实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-12页 |
| ·遗传算法简述 | 第9页 |
| ·基于图形处理器(GPU)的通用计算 | 第9-10页 |
| ·研究GPU通用计算的意义 | 第10页 |
| ·本文的主要工作和主要结构 | 第10-12页 |
| 第2章 GPU通用计算 | 第12-17页 |
| ·GPU通用计算的发展 | 第12-13页 |
| ·GPU通用计算的优势 | 第13-14页 |
| ·GPU的体系架构 | 第14-15页 |
| ·GPU进行大规模并行计算方面的优劣 | 第15-17页 |
| 第3章 CUDA编程介绍 | 第17-32页 |
| ·CUDA编程模型 | 第17-24页 |
| ·主机端与设备端 | 第17-18页 |
| ·内核函数 | 第18-20页 |
| ·线程层次 | 第20-24页 |
| ·存储器层次 | 第24页 |
| ·CUDA存储器模型 | 第24-28页 |
| ·编程接口 | 第28-32页 |
| ·CUDA的核心——CUDAC语言 | 第29页 |
| ·编译流程 | 第29-32页 |
| 第4章 基于GPU并行计算的遗传算法设计 | 第32-41页 |
| ·传统遗传算法 | 第32-33页 |
| ·遗传算法中的基本算子 | 第33-37页 |
| ·选择算子 | 第33-34页 |
| ·交叉算子 | 第34-36页 |
| ·变异算子 | 第36-37页 |
| ·基于GPU并行计算的遗传算法设计 | 第37-38页 |
| ·基于岛的遗传算法设计目的 | 第37页 |
| ·基于岛的遗传算法的思路 | 第37-38页 |
| ·岛与岛之间的种群迁移 | 第38-40页 |
| ·算法的参数控制 | 第40-41页 |
| 第5章 基于岛的遗传算法在CUDA上的实现 | 第41-49页 |
| ·算法的实现 | 第41-44页 |
| ·实验结果 | 第44-47页 |
| ·实验结果质量 | 第47-49页 |
| 第6章 总结与展望 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·对未来工作的展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |
