49、并行算法在相似性搜索与概率旅行商问题中的应用

并行算法在相似性搜索与概率旅行商问题中的应用

1. CuAPSS算法的性能评估

在相似性搜索领域，CuAPSS算法是一种基于CUDA环境的混合并行余弦相似性搜索算法。为了评估其性能，研究人员进行了一系列实验。
- 准确性验证 ：首先，研究人员用C++实现了AllPairs算法，这是一种精确的串行APSS算法。然后将CuAPSS与AllPairs在WW500上运行的输出结果进行比较，发现CuAPSS输出的相似对与AllPairs完全相同，从而验证了CuAPSS的准确性。
- 执行时间比较 ：研究人员将CuAPSS与以下几种算法在执行时间上进行了比较：
- 基线串行算法 ：IdxJoin、APT和L2AP。
- 多核并行算法 ：pIdxJoin（基于IdxJoin，采用缓存分块优化）、pAPT（基于APT的并行APSS算法，是首个多核解决方案）、PL2AP（多核环境下的最先进并行算法，采用了多种缓存分块优化）。
- GPU库算法 ：cuSPARSE（NVIDIA CUDA库，用于加速稀疏矩阵运算，通过简单的稀疏矩阵乘法方法解决APSS问题）。

实验使用了与其他研究相同的数据集，在NVIDIA GTX 1080Ti和Tesla P100上进行。结果表明，在大多数情况下，CuAPSS的性能优于其他所有算法，并且在不同的相似性阈值下保持相对稳定的运行时间。具体来说，在GTX 1080Ti上，当阈值σ ≤0.7时，CuAPSS相对于最佳串行执行的加速比为5 - 718倍，相对