GPU Based Differential Evolution: New Insights and Comparative Study

差分进化算法（DE）是一种高度成功的基于种群的全局优化算法，通常用于解决数值优化问题。然而，随着目标函数复杂度的增加，算法的墙钟运行时间会受到影响，因为必须进行许多适应度函数评估以有效地探索搜索空间。由于DE算法本质上是并行的，因此图形处理器（GPU）已被用于有效加速适应度评估和DE算法。本文回顾了文献中基于GPU的DE算法所做的主要架构选择，并引入了一个新的基于GPU的数值优化基准来评估和比较基于GPU的DE算法。

本文旨在解决随着目标函数复杂度的增加，DE算法的运行时间也会增加的问题，通过使用GPU加速算法来提高DE算法的效率。

本文介绍了文献中用于GPU加速DE算法的主要架构选择，并引入了一个新的GPU基准测试来评估和比较GPU加速DE算法。

本文的亮点包括介绍了GPU加速DE算法的主要架构选择，提出了一个新的GPU基准测试用于评估和比较GPU加速DE算法。实验中使用了不同的数据集和开源代码，值得继续深入研究。

近期在该领域中，还有一些相关研究，如“Accelerating differential evolution algorithm using graphics processing units”和“GPU-accelerated differential evolution for parameter optimization of support vector regression for forecasting time series”等。