基于CPU+GPU異構(gòu)計(jì)算的高維多目標(biāo)支配方法.pdf

1、針對高維多目標(biāo)優(yōu)化問題，基于帕累托支配的算法隨著優(yōu)化目標(biāo)數(shù)的增多，解集中絕大部分解都會成為非支配解，進(jìn)而導(dǎo)致選擇壓力的損失的問題。前期工作中提出一種線性權(quán)重支配關(guān)系LWM可以解決傳統(tǒng)帕累托支配關(guān)系在處理高維多目標(biāo)優(yōu)化中的選擇壓力問題，但由于求解LWM支配關(guān)系中的非支配解過程是一個(gè)線性規(guī)劃問題，需要額外的時(shí)間開銷，計(jì)算時(shí)間長、效率低。并行化是一種通用提高算法效率的方式，而GPU并行相較于CPU有低成本、高功效特點(diǎn)，被本課題所采用。

2、　　本課題分析了LWM支配算法在求解高維多目標(biāo)優(yōu)化問題中的時(shí)間耗費(fèi)情況，結(jié)合GPU并行計(jì)算優(yōu)勢，提出了一種CPU+GPU異構(gòu)計(jì)算的LWM支配關(guān)系，有效地改進(jìn)了LWM支配關(guān)系的實(shí)用性。針對求解LWM非支配解過程中存在的誤差累積問題，在GPU端采用高精度浮點(diǎn)數(shù)運(yùn)算，確保串行算法和并行算法結(jié)果一致。通過一組基于隨機(jī)分布均勻數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證，結(jié)果表明兩者最終結(jié)果差異不顯著。本課題進(jìn)一步分析了算法在各個(gè)目標(biāo)中加速效率，顯示隨著目標(biāo)數(shù)的增多，并行算法加

3、速比增大。在算法應(yīng)用范圍的研究中，通過兩個(gè)優(yōu)化目標(biāo)基準(zhǔn)程序?qū)嶒?yàn)，在一些基準(zhǔn)程序中LWM收斂過窄缺少解的均勻分布，所以LWM支配算法并不完全適用于求解兩目標(biāo)優(yōu)化問題。課題進(jìn)一步通過DTLZ多目標(biāo)基準(zhǔn)程序?qū)嶒?yàn)表明，LWM支配算法適合于求解5-15個(gè)優(yōu)化目標(biāo)的多目標(biāo)優(yōu)化問題，并且隨著目標(biāo)數(shù)的增大，并行算法優(yōu)化效率越高。
　　在研究刪與多目標(biāo)演化算法的結(jié)合方式中，本課題提出兩種結(jié)合方式，LWM-GA是使用刪支配關(guān)系更換現(xiàn)有NSGA-Ⅱ中的

4、Pareto支配實(shí)現(xiàn)對高維多目標(biāo)優(yōu)化問題求解中。另一種是NSGA-Ⅲ+LWM，即使用NSGA-Ⅲ求解高維多目標(biāo)優(yōu)化問題，再使用LWM支配關(guān)系對解集優(yōu)化。
　　為比較LWM-GA和NSGA-Ⅲ+LWM方法性能，本課題以HyperVolume作為多目標(biāo)演化方法評價(jià)指標(biāo)。實(shí)驗(yàn)結(jié)果表明NSGA-Ⅲ和LWM-GA方法所得到的解集分布和收斂是一致的。同時(shí)在NSGA-Ⅲ與NSGA-Ⅲ+LWM方式對比中，實(shí)驗(yàn)結(jié)果表明LWM支配關(guān)系可以在保持解集分