| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-27页 |
| 1.1 研究的背景及意义 | 第16-19页 |
| 1.1.1 大规模全局优化问题 | 第16-17页 |
| 1.1.2 GPU和CUDA | 第17-19页 |
| 1.2 智能算法 | 第19-22页 |
| 1.3 并行智能算法的研究现状 | 第22-24页 |
| 1.4 本文的研究内容 | 第24-26页 |
| 1.5 本文的组织结构 | 第26-27页 |
| 第2章 基于GPU的并行混沌布谷鸟搜索算法 | 第27-57页 |
| 2.1 引言 | 第27页 |
| 2.2 布谷鸟搜索算法 | 第27-28页 |
| 2.3 基于自适应变异策略的混沌布谷鸟搜索算法 | 第28-32页 |
| 2.3.1 Logistic映射的混沌机制 | 第28-29页 |
| 2.3.2 自适应变异策略 | 第29-30页 |
| 2.3.3 维更新策略和自适应发现概率 | 第30-31页 |
| 2.3.4 算法步骤和流程图 | 第31-32页 |
| 2.4 AMSCCS在GPU上的并行算法(PAMSCCS) | 第32-41页 |
| 2.4.1 GPU程序执行步骤 | 第32-33页 |
| 2.4.2 PAMSCCS算法执行步骤 | 第33-34页 |
| 2.4.3 主要内核函数执行过程 | 第34-41页 |
| 2.5 实验结果与分析 | 第41-55页 |
| 2.5.1 测试函数 | 第41-42页 |
| 2.5.2 参数设置与实验平台 | 第42-43页 |
| 2.5.3 AMSCCS和CS性能比较 | 第43-47页 |
| 2.5.4 AMSCC算法与其它算法之性能比较 | 第47-51页 |
| 2.5.5 并行算法PAMSCCS和串行算法AMSCCS之间的效率比较 | 第51-55页 |
| 2.6 小结 | 第55-57页 |
| 第3章 基于GPU的并行入侵杂草优化算法 | 第57-76页 |
| 3.1 引言 | 第57-58页 |
| 3.2 改进的杂草优化算法 | 第58-62页 |
| 3.2.1 IIWO算法描述 | 第58-61页 |
| 3.2.2 IIWO算法执行步骤和流程图 | 第61-62页 |
| 3.3 IIWO在GPU上的并行算法(PIIWO) | 第62-65页 |
| 3.3.1 PIIWO算法执行步骤 | 第62-63页 |
| 3.3.2 主要内核函数执行过程 | 第63-65页 |
| 3.4 实验结果与分析 | 第65-75页 |
| 3.4.1 测试函数 | 第65-66页 |
| 3.4.2 参数设置与实验平台 | 第66页 |
| 3.4.3 IIWO和基本IWO算法性能比较 | 第66-69页 |
| 3.4.4 IIWO和文献其它算法性能比较 | 第69-71页 |
| 3.4.5 并行算法PIIWO和串行算法IIWO之间的效率比较 | 第71-75页 |
| 3.5 小结 | 第75-76页 |
| 第4章 基于GPU的并行量子行为遗传算法 | 第76-113页 |
| 4.1 引言 | 第76-78页 |
| 4.2 遗传算法 | 第78-81页 |
| 4.2.1 基本原理 | 第78-81页 |
| 4.2.2 GA算法流程图 | 第81页 |
| 4.3 量子行为遗传算法(QBGA) | 第81-86页 |
| 4.3.1 两阶段选择操作 | 第81页 |
| 4.3.2 随机多演化交叉算子 | 第81-82页 |
| 4.3.3 自适应高斯变异算子 | 第82-83页 |
| 4.3.4 基于随机平均最优位置的量子行为算子 | 第83-84页 |
| 4.3.5 越界个体的处理 | 第84-85页 |
| 4.3.6 算法步骤和流程图 | 第85-86页 |
| 4.4 QBGA在GPU上的并行算法(PQBGA) | 第86-100页 |
| 4.4.1 PQBGA算法执行步骤 | 第86-88页 |
| 4.4.2 主要内核函数执行过程 | 第88-100页 |
| 4.5 实验结果与分析 | 第100-112页 |
| 4.5.1 测试函数 | 第100页 |
| 4.5.2 参数设置与实验平台 | 第100-101页 |
| 4.5.3 QBGA和GA之性能比较 | 第101-104页 |
| 4.5.4 QBGA和文献报告的其它算法之性能比较 | 第104-107页 |
| 4.5.5 并行算法PQBGA和串行算法QBGA之间的效率比较 | 第107-112页 |
| 4.6 小结 | 第112-113页 |
| 第5章 基于GPU的并行混合粒子群算法 | 第113-135页 |
| 5.1 引言 | 第113-114页 |
| 5.2 数值处理方法 | 第114-118页 |
| 5.2.1 数学模型 | 第114页 |
| 5.2.2 四次样条与插值误差 | 第114-116页 |
| 5.2.3 四次样条方法 | 第116-118页 |
| 5.2.4 边界差分格式 | 第118页 |
| 5.3 目标函数的推导 | 第118-119页 |
| 5.4 串行算法 | 第119-122页 |
| 5.4.1 粒子群算法 | 第119-120页 |
| 5.4.2 共轭梯度算法 | 第120-121页 |
| 5.4.3 混合粒子群算法 | 第121-122页 |
| 5.5 并行算法 | 第122-128页 |
| 5.5.1 并行粒子群算法 | 第122-126页 |
| 5.5.2 并行共轭梯度算法 | 第126-127页 |
| 5.5.3 并行混合粒子群算法 | 第127-128页 |
| 5.6 实验结果与分析 | 第128-134页 |
| 5.6.1 应用实例 | 第128-129页 |
| 5.6.2 参数设置 | 第129页 |
| 5.6.3 HPSO算法的性能 | 第129-130页 |
| 5.6.4 PHPSO算法性能 | 第130-134页 |
| 5.7 小结 | 第134-135页 |
| 结论 | 第135-138页 |
| 参考文献 | 第138-155页 |
| 附录A 攻读学位期间所发表的学术论文 | 第155-156页 |
| 附录B 攻读学位期间所参加的科研项目 | 第156-157页 |
| 致谢 | 第157-158页 |
