粒子群优化(Particle Swarm Optimization,PSO)算法是群集智能算法的一种。该算法全局搜索和收敛能力很强,而且概念十分简单也易于实现,所以发展十分迅猛并在各个领域都有应用。但实际中的问题往往都是离散化、多元化的,这就导致该算法的求解速度相对较低。幸运的是在粒子群优化算法中粒子之间互不干涉,所以并行化加速方案可以很好的解决这一问题。GPU技术的快速发展,带来了基于GPU的通用计算技术(General-Purpose computing on the GPUs,GPGPU)在高性能计算领域研究与应用的热潮。目前主流的GPGPU工具有NVIDIA公司的CUDA、苹果公司提出的OpenCL等。Compute Shader(计算着色器)是微软在DirectX 11 API中新加入的特性,使用Compute Shader也可以在GPU上做并行通用计算。Unity中的Compute Shader虽然是在DirectX 11 DirectCompute的技术上建立起来的,但由于OpenGL ES 3.1版本中引入了 Compute Shader,这使得在移动端使用Compute Shader做GPGPU成为可能。针对解决复杂的问题时PSO算法求解速度相对较低的情况,进行了在移动端GPU上基于Compute Shader实现并行粒子群优化算法的研究。主要研究成果包括:(1)对比分析三种已有的基于CUDA的并行PSO算法,分析其优缺点。(2)通过对传统PSO算法的分析,结合目前被广泛使用的基于GPU的并行计算技术,设计实现了一种基于Compute Shader的移动端GPU并行粒子群优化算法,该方法能通过使用移动端GPU中大量的线程来并行处理每个粒子每个维度的搜索工作,从而加快整个粒子群的收敛速度。分析对多个基准函数的测试实验结果可得,与CPU端的串行PSO算法相比较,本方法取得了最高250多倍的加速比。