A Multi-Core CPU and Many-Core GPU Based Fast Parallel Shuffled Complex Evolution Global Optimization Approach

　　多年来，在水文模型研究领域中，全局自动参数率定一直是一个热点问题。众多自动参数优化算法中，由亚利桑那大学开发的混合复合形进化方法（SCE-UA）因其良好的稳定性和健壮性，被认为是最成功的全局最优化方法之一。但对于大数据和复杂模型应用问题，SCE-UA算法的计算效率显著下降。为了改善计算效率问题，本研究将近年来出现的异构并行计算技术（基于多核CPU和众核GPU的并行计算）应用于SCE-UA方法的并行化和加速。传统的串行和改进的并行SCE-UA方法在标准测试函数Griewank应用中进行了比较。结果表明，并行SCE-UA方法的收敛速度显著快于串行版本，且能取得同样的优化效果。在水文模型参数快速率定领域具有很好的应用前景。