GPU并行技術(shù)在改進(jìn)遺傳算法及分子相似性中的應(yīng)用.pdf

1、圖形處理器(GPU)核心數(shù)量眾多，相比CPU有更強(qiáng)的浮點(diǎn)運(yùn)算能力。顯示芯片制造商N(yùn)VIDIA公司于2007年正式發(fā)布了用于GPU通用計(jì)算的開(kāi)發(fā)平臺(tái)計(jì)算統(tǒng)一設(shè)備構(gòu)架(CUDA)。經(jīng)過(guò)幾年的發(fā)展，現(xiàn)在支持CUDA的GPU在性能上有顯著的提升，功能上也在不斷完善。利用GPU進(jìn)行并行計(jì)算研究也是近年來(lái)高性能計(jì)算領(lǐng)域的一個(gè)熱點(diǎn)。
　　基于信息熵的遺傳算法引入了信息熵的概念，構(gòu)造各種群的空間收縮因子，控制各種群尋優(yōu)搜索時(shí)解空間的收縮，有效控制

2、了算法收斂，增強(qiáng)了算法的尋優(yōu)目的性。在此基礎(chǔ)上，本文通過(guò)CUDA開(kāi)發(fā)平臺(tái)對(duì)算法進(jìn)行并行優(yōu)化。在偽隨機(jī)數(shù)的生成過(guò)程中采用了更適合于并行的梅森旋轉(zhuǎn)方法，并實(shí)現(xiàn)了遺傳算子以及收縮因子的并行計(jì)算。通過(guò)與原串行程序進(jìn)行對(duì)比，分析了影響加速比的因素，檢測(cè)了并行程序的計(jì)算精度。測(cè)試表明，GPU加速的基于信息熵的遺傳算法具有很高的計(jì)算效率和計(jì)算精度。
　　虛擬篩選作為一種計(jì)算機(jī)輔助藥物設(shè)計(jì)，有效地節(jié)省資金縮短藥物發(fā)現(xiàn)的周期。SHAFTS(SHAp