您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202002-81
论文题目 一种求解极高维优化问题的并行频繁覆盖随机漂移粒子群优化算法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

一种求解极高维优化问题的并行频繁覆盖随机漂移粒子群优化算法

首发时间:2020-02-18

李琳 1   

李琳(1995-),女,研究生,主要研究方向:群体智能,大规模优化问题求解。E-mail: 1203054911@qq.com

方伟 1   

方伟(1980-),男,教授,主要研究方向:计算智能。E-mail: fangwei@jiangnan.edu.cn

武帅 1   

武帅(1994-),男,研究生,主要研究方向:并行优化算法。E-mail: 1773934012@qq.com

  • 1、江南大学物联网工程学院,无锡 214122

摘要:针对极高维优化问题对算法求解速度和求解精度的需要,本文基于GPU框架提出了一种并行频繁覆盖随机漂移粒子群优化(parallel frequently coverage random-driftparticle swarm optimization algorithm, P-FC-RDPSO)算法。在群体存储结构与个体映射模型的设计上,为较好的将并行框架与问题维度的增长相匹配,P-FC-RDPSO算法设计了细粒度并行方案,即线程对应问题维度和多个block对应粒子。P-FC-RDPSO算法通过频繁覆盖策略,将原问题转换为低维子问题进行优化,实现了问题的降维并提高了算法的搜索能力。通过9个测试函数的1万维、10万维和100万维的实验结果表明,本文所提FC-RDPSO算法在极高维优化问题的求解上有更高的求解精度和更快的求解速度。

关键词: 极高维问题,粒子群优化算法,GPU

For information in English, please click here

A parallel frequently coverage random-drift particle swarm optimization algorithm for extremely high-dimensional problems

Li Lin 1   

李琳(1995-),女,研究生,主要研究方向:群体智能,大规模优化问题求解。E-mail: 1203054911@qq.com

FANG Wei 1   

方伟(1980-),男,教授,主要研究方向:计算智能。E-mail: fangwei@jiangnan.edu.cn

WU Shuai 1   

武帅(1994-),男,研究生,主要研究方向:并行优化算法。E-mail: 1773934012@qq.com

  • 1、School of Internet of Things Engineering, Jiangnan University, Wuxi 214122

Abstract:In order to meet the requirements of solving extremely high-dimensional problems on the computational speed and solution accuracy, a parallel frequently coverage random-driftparticle swarm optimization (P-FC-RDPSO) algorithm based on GPU is proposed in this paper. In P-FC-RDPSO algorithm, the storage structure for population and mapping approach for individuals are designed by the fine-grain parallelism strategy, which can easily adjust the increasing of dimensions and the GPU structure. The fine-grain parallelism strategy is realized by mapping the thread with problem dimension and mapping multi-blocks with an individual. Through the frequently coverage strategy, the extremely high-dimensional problem can be optimized as a low-dimensional problem which helps to improve the search ability. By evaluating the proposed algorithm on nine benchmark functions with 10000, 100000, and 1 million dimensions, the experimental results show that the algorithm can solve the extremely high dimensional problems with higher solution accuracy in faster computational speed.

Keywords: extremely high-dimensional problem, particle swarm optimization, GPU

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
李琳,方伟,武帅. 一种求解极高维优化问题的并行频繁覆盖随机漂移粒子群优化算法[EB/OL]. 北京:中国科技论文在线 [2020-02-18]. http://www.paper.edu.cn/releasepaper/content/202002-81.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

一种求解极高维优化问题的并行频繁覆盖随机漂移粒子群优化算法