[发明专利]一种基于CPU+GPU异构计算的高维多目标支配方法

权利要求书

1.一种基于CPU+GPU异构计算的高维多目标支配方法，其特征在于：针对高维多目标优化问题，基于Pareto支配的算法随着目标数的增多，解集中绝大部分都会成为非支配解，进而导致选择压力的损失的问题。一种基于CPU+GPU异构计算的高维多目标支配方法可以解决选择压力问题和算法时间效率问题，对多目标规划具有重要作用；本异构计算支配方法包括最优解抉择、无界解处理、离基变量处理、归一化、消元五个核心部分：

第一、最优解抉择：对线性规划问题进行最优解判断，将CPU端判断逻辑转换为GPU端并行计算策略；

第二、无界解处理：求取线性规划问题无界解，将CPU端判断逻辑转换为GPU端并行计算策略，利用规约策略进行并行加速；

第三、离基变量处理：利用规约策略获取离基变量对应的最小序号；

第四、归一化：归一化离基变量所对应一行数据；

第五、消元：进行高斯消元法，使得算法逼近最优解。

2.根据权利要求1所述的一种基于CPU+GPU异构计算的高维多目标支配方法，其特征在于：将判断逻辑转为求最值过程，利用规约策略计算。每个Block线程分配是一维的，数量为256个，数据存储于全局内存中。

3.根据权利要求1所述的一种基于CPU+GPU异构计算的高维多目标支配方法，其特征在于：将判断逻辑转为求最值过程，利用规约策略计算。每个Block线程分配是一维的，数量为256个，并行计算理论时间复杂度为O(1)。数据传入量为n*(m+n)，其中m为目标数、n为解集大小。数据存储于全局内存中。

4.根据权利要求1所述的一种基于CPU+GPU异构计算的高维多目标支配方法，其特征在于：离基变量阶段时间复杂度为O(n+m)，GPU端利用规约策略计算。利用所计算矩阵元素之间相关性不大的特性，Block中每个线程处理一个元素，单个Block内最优Thread数量为256，并行计算复杂度为O(1)。由于传入数据较大，将其存储于GPU中全局内存中。

5.根据权利要求1所述的一种基于CPU+GPU异构计算的高维多目标支配方法，其特征在于：归一化部分时间复杂度为O(n+m)。利用所计算矩阵元素之间相关性不大的特性，Block中每个线程处理一个元素，单个Block内最优Thread数量为256，并行计算理论时间复杂度为O(1)。由于所需处理数据量为n+m，为保证效率，采用共享内存的存储方式。

6.根据权利要求1所述的一种基于CPU+GPU异构计算的高维多目标支配方法，其特征在于：消元部分时间复杂度为O(n*(n+m))。每个Block之间不需要数据的共享，Block内部线程分配采用二维分布合理(16,16)，并行计算理论时间复杂度为O(n+m)。每个block所需中间数据量为(m+n)，为保证效率，中间数据量可存储于共享内存中。