基于GPU的并行置信传播算法优化加速研究

具有大规模并行处理能力的GPU设备为置信传播算法的并行优化加速提供了重要的基础,但是并行置信传播算法中存在大量的冗余计算,降低了算法的计算效率。针对这一问题,提出了一种基于分区提取与随机减少的并行置信传播算法。为保证算法的整体计算效率,该算法首先对图数据进行快速分区并确定需要更新的信息,然后通过逐渐降低分区数目的方式使得算法收敛度稳步上升。实验结果表明分区减少算法具有很高的收敛度与收敛速度。