基于GPU加速的细粒度模型并行免疫算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-11页 |
| 1 免疫算法综述 | 第11-18页 |
| ·免疫算法研究背景 | 第11-12页 |
| ·免疫算法产生与研究现状 | 第12-15页 |
| ·免疫算法研究趋势以及意义 | 第15-17页 |
| ·免疫算法研究趋势 | 第15页 |
| ·免疫算法的研究意义 | 第15-17页 |
| ·利用GPU来研究免疫算法的意义 | 第17页 |
| ·本文免疫算法模型 | 第17-18页 |
| 2 理论知识基础 | 第18-28页 |
| ·GPU的通用计算 | 第18-20页 |
| ·统一设备架构CUDA | 第20-23页 |
| ·何为CUDA | 第20页 |
| ·CUDA执行模型 | 第20-21页 |
| ·CUDA存储模型 | 第21-22页 |
| ·CUDA中的通信 | 第22-23页 |
| ·生物学基础以及人工免疫系统 | 第23-27页 |
| ·生物学基础 | 第23-25页 |
| ·人工免疫系统概述 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于GPU加速的细粒度人工免疫算法 | 第28-56页 |
| ·免疫遗传算法的提出 | 第28-29页 |
| ·CPU免疫算法 | 第29-34页 |
| ·疫苗接种 | 第31页 |
| ·免疫疫苗的作用机制 | 第31-33页 |
| ·免疫选择 | 第33页 |
| ·免疫算子的执行算法 | 第33-34页 |
| ·CPU免疫算法的流程 | 第34-35页 |
| ·CPU中免疫算法存在的问题 | 第35-36页 |
| ·免疫算法的改进方案 | 第36-37页 |
| ·并行免疫算法技术要点 | 第37-41页 |
| ·测试实例旅行商问题(TSP)问题描述 | 第37-38页 |
| ·GPUIA适应度的计算 | 第38-39页 |
| ·GPU中数据存储 | 第39-40页 |
| ·最佳适应值更新搜索 | 第40-41页 |
| ·基于GPU加速的免疫算法并行化模型 | 第41-50页 |
| ·CUDA编程 | 第41-42页 |
| ·GPU中疫苗的提取过程 | 第42-45页 |
| ·GPU中抗体交叉和变异操作 | 第45-47页 |
| ·GPU中抗体疫苗注射与免疫检测 | 第47-49页 |
| ·GPU中种群更新 | 第49-50页 |
| ·GPU中内存的优化 | 第50-52页 |
| ·GPU并行IA模型 | 第52-53页 |
| ·试验结果及分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
