PulseAugur
中
实时 14:01:53
English(EN) Fine-Grain GPU Parallelization of the Generalized Partition Crossover for Large-Scale Traveling Salesman Problems

GPU并行化加速大规模旅行商问题求解器

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种针对广义划分交叉（GPX）算子的细粒度GPU并行化技术，专门用于解决大规模旅行商问题（TSP）。该方法将GPX划分重构为图并行问题，采用合并内存布局和连通分量分析等技术。该方法使用CUDA实现，并行化了诸如路径合并、顶点分割和分量识别等关键步骤。实验表明，对于多达200万个城市的TSP实例，速度提升了48倍至625倍，展示了遗传算法求解器在现代多核架构上的可扩展性得到了提高。 AI

影响 提高了复杂优化问题的计算效率，可能影响需要大规模问题解决的AI研究领域。

排序理由 该集群包含一篇详细介绍解决优化问题的新计算方法的学术论文。

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

GPU并行化加速大规模旅行商问题求解器

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Swetha Varadarajan, Darrell Whitley ·

    面向大规模旅行商问题的广义交叉算子的细粒度GPU并行化

    arXiv:2608.21233v1 Announce Type: new Abstract: The Traveling Salesman Problem (TSP) is one of the most extensively studied NP-hard optimization problems. Genetic Algorithm (GA)-based solvers, such as the Edge Assembly Crossover (EAX), achieve state-of-the-art performance on many…

  2. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Darrell Whitley ·

    面向大规模旅行商问题的广义交叉算子的细粒度GPU并行化

    The Traveling Salesman Problem (TSP) is one of the most extensively studied NP-hard optimization problems. Genetic Algorithm (GA)-based solvers, such as the Edge Assembly Crossover (EAX), achieve state-of-the-art performance on many benchmark instances. However, the scalability o…

相关实体

相关话题