基于自适应线程束的GPU并行PSO算法

　　基于统一计算设备架构（ CUDA）对图形处理器（GPU）下的并行粒子群优化（PSO）算法作改进研究。根据CUDA的硬件体系结构特点，可知Block是串行执行的，线程束（Warp）才是流多处理器（SM）调度和执行的基本单位。为了充分利用Block中线程的并行性，提出基于自适应线程束的GPU并行PSO算法：将粒子的维度和线程相对应；利用GPU的Warp级并行，根据维度的不同自适应地将每个粒子与一个或多个Warp相对应；自适应地将一个或多个粒子与每个Block相对应。与已有的粗粒度并行方法（将每个粒子和线程相对应）以及细粒度并行方法（将每个粒子和Block相对应）进行了对比分析，实验结果表明，所提出的并行方法相对前两种并行方法，CPU加速比最多提高了40。