在智能计算方面,微粒群算法有着搜索速度快、参数设置少等优点,在进化计算方面得到了广泛的应用。文中针对计算耗时问题进行了研究,一方面可以通过采用代理模型的方式,另一方面,随着硬件的发展通用计算图形处理器(General Purpose GPU)和分布式计算技术逐渐受到人们的关注,并对并行算法的研究提供了支持。所以为此考虑在不损失精度的基础上在硬件技术上进行提速。本文在粗细粒度两方面对微粒群算法进行了双重加速,其中主要的设计模型采用了岛屿式模型。一方面利用Spark进行分布式粗粒度计算,采用了将种群分为若干子种群,而子种群内部独立的进行迭代计算,每一次的迭代计算会去更新总种群的全局最优位置。另一方面再通过GPU的强大的单指令多数据流的并行处理方式对每个子种群中的每一次迭代再进行细粒度计算使子种群中每个个体并行计算,最终达到缩短总体任务的计算时间,其中本文总的核心问题是如何设计微粒群算法使其最大限度的并行化。最后通过仿真实验验证了GPU集群加速效果的优越性,当求解问题规模越来越大时,其加速也会越来越大,最终达到解决计算耗时的问题。