威廉·B·兰登。 在图形处理单元上使用并行遗传编程进行大规模生物信息学数据挖掘。 （英语） Zbl 1200.68192号 Fernández de Vega，Francisco（编辑）等人，《并行和分布式计算智能》。柏林：施普林格出版社（ISBN 978-3-642-10674-3/hbk；978-3-442-10675-0/电子书）。计算智能研究269，113-141（2010）。 摘要：一个合适的单指令多数据GP解释器可以通过同时运行遗传编程群体的多个不同成员，在SIMD GPU图形卡上实现高（Giga GPop/秒）性能。由于单个解释器将不同的GP程序视为数据，因此实现了SPMD数据流并行化。在一个128节点的并行nVidia GeForce 8800 GTX GPU上，解释器可以超越编译方法，在编译方法中，数据并行只能通过一次跨多个输入运行一个程序来实现。RapidMind GPGPU Linux C++系统已经通过从包含一百万个输入的数据集预测乳腺癌十年以上的结果进行了验证。NCBI GEO GSE3494包含数百份Affymetrix HG-U133A和HG-U1313B基因芯片活检。多个GP运行，每个运行有500万个程序，以每秒5亿多GPops的速度从糠秕中筛选出有用的变量。通过FTP提供的来源。有关整个系列，请参见[Zbl 1183.68011号]. 引用于1文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：SPMD数据流并行化 软件：欧洲航空航天局；CUDA公司；GPGPU（通用图形处理器）；欧洲法院 PDF格式BibTeX公司 XML格式引用 \textit{W.B.Langdon}，螺柱计算。智力。269113--141（2010年；Zbl 1200.68192） 全文： 内政部