基于通用多核处理器平台的并行基因表达式编程算法

来源 :计算机科学 | 被引量 : 0次 | 上传用户：zhelehang

【摘要】

：

基因表达式编程（Gene Expression Programming,GEP）是一种计算量大且通用性强的新型进化算法,其传统计算形式不能充分利用目前主流的多核处理器。为提高算法效率,提出了基于通

【作者】

：

吴江唐常杰李太勇姜玥李自力刘洋洋

【机构】

：

西南财经大学经济信息工程学院,四川大学计算机学院,西南民族大学计算机科学与技术学院

【出处】

：

计算机科学

【发表日期】

：

2011年11期

【关键词】

：

基因表达式编程多核处理器并行进化算法 Gene expression programming（GEP） Multi-core processor Pa

【基金项目】

：

国家自然科学基金（60773169）, “十一五”国家科技支撑计划（2006BAI05A01）, 西南财经大学“211工程”三期青年教师成长项目（211QN09071）资助

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

基因表达式编程（Gene Expression Programming,GEP）是一种计算量大且通用性强的新型进化算法,其传统计算形式不能充分利用目前主流的多核处理器。为提高算法效率,提出了基于通用多核处理器平台的并行基因表达式编程算法（Parallel Gene Expression Programming Based on General Multi-core Processor,PGEP-MP）。主要工作包括：（1）分析通用多核处理器平台下并行基因表达式编程算法的机理;（2）利用MPI和OpenMP

其他文献

图模型在彩色纹理分类中的应用

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息。而利用主成分分析的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息。高斯图模型(Gaussian Graphical Models,GGM)可以很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型。根据局部马尔可夫性和高斯变量的条件回归之间的关系,可将复杂的模型选择转变为较简单的变量选择。通过惩罚正则化方法,其邻

期刊

高斯图模型变量选择L1-惩罚正则化彩色纹理分类Gaussian graphical models Variables selection L1-pe

基于最小联合互信息亏损的最优特征选择算法

提出了一种基于最小联合互信息亏损的最优特征选择算法。该算法首先通过一种动态渐增策略搜索一个特征全集的无差异特征子集，并基于最小条件互信息原则在保证每一步中联合互信

期刊

特征选择条件互信息最小联合互信息亏损快速实现Feature selection Conditional mutual information Min

做一个快乐的科学老师

科学课教给学生科学知识，培养学生创新能力，提高学生的科学素养，弘扬科学精神。我乐做一个科学课老师。

期刊

科学课快乐科学老师

异构计算中的时间和能耗优化执行方法

计算环境的异构性以及应用任务的复杂多样性导致异构计算的必要性。异构计算的目的是重视并行处理系统和计算任务的差异,寻求系统和任务的有效匹配,从而获得并行任务在系统上