大幅提速不损精度
将适应度评估完全卸载到GPU，并通过前缀表示和列主序存储实现合并访存，显著加速二值图像分类的遗传规划训练而保持分类精度。
Zhang, Rui · Sun, Yanan · Zhang, Mengjie
IEEE Transactions on Evolutionary Computation 2023
适应度评估完全在GPU设备端进行，避免了CPU-GPU之间的频繁数据传输。
通过前缀表示和列主序存储实现合并全局内存访问，提高了GPU内存带宽的利用率。
同一代中的多个GP程序同时评估，并采用并行归约，充分利用GPU的并行计算能力。
引入提升变异算子，帮助消除设备端的栈溢出问题，提高程序稳定性。