1、蟻群優(yōu)化算法(Ant colony optimization algorithin，ACO)源于對螞蟻覓食行為的研究，是一種基于群體智能方法的演化計算技術，在實際工程中表現(xiàn)出巨大的潛力。但在數(shù)值建模和優(yōu)化計算等許多領域中，處理大量數(shù)據(jù)和求解大規(guī)模復雜問題時，ACO算法依然需要大量的計算時間，而并行ACO算法由于能較大幅度縮減問題求解的時間，因此成為一個研究熱點。當前并行ACO算法主要在并行機上運行或用多線程技術模擬，主要存在下述不足：進

2、程間通信損耗限制了粒子規(guī)模；大多數(shù)研究人員沒有硬件環(huán)境，無法使用并行機解決問題；多線程技術是在CPU上用串行模擬并行，不能真正提高性能。 近年來，計算機圖形處理器(Graphics processing unit，GPU)繪制流水線的高速度和并行性以及近年來發(fā)展起來的可編程功能，使其在通用計算領域的應用有著巨大的潛力。CUDA是Nvidia公司推出的GPU編程的統(tǒng)一計算設備架構。在統(tǒng)一計算設備架構下，GPU執(zhí)行的模式是并發(fā)的線程

3、。多個線程可以組成一個線程塊。一個線程塊中的線程能存取同一塊公用的存儲空間，而且可以快速進行同步的動作。 本文針對傳統(tǒng)并行蟻群算法在實際應用中的不足，結合GPU的高速并行性，提出了一種基于GPU加速的細粒度并行蟻群算法(GPUACO)，將并行ACO求解過程轉化為CUDA內核，使用CUDA線程塊模擬螞蟻個體，使ACO算法在GPU中加速執(zhí)行。本文主要以最大最小螞蟻系統(tǒng)和蟻群系統(tǒng)的并行實現(xiàn)為例，詳細描述了算法設計思想和程序實現(xiàn)過程，提