Use este identificador para citar ou linkar para este item: http://repositorio.mar.mil.br/handle/ripcmb/843366
Título: Otimização por enxame de partículas em arquiteturas paralelas de alto desempenho.
Orientador(es): Nedjah, Nadia.
Mourelle, Luiza de Macedo.
Autor(es): Calazan, Rogério de Moraes.
Palavras-chave: Programação paralela (computação)--
Processamento paralelo (Computadores)--
L - TECNOLOGIA DA INFORMAÇÃO (DGPM-305)--
L5 - ENGENHARIA DE COMPUTAÇÃO (DGPM-305).
Data do documento: 2012
Descrição: O algoritmo de Otimização por Enxame de Partículas (PSO, Particle Swarm Otimization) é uma técnica de otimização que vem sendo utilizada na solução de diversos problema s, em diferentes áreas do conhecimento. Porém, a maioria das implementações é realizada de modo sequencial. O processo de otimização necessita de um grande número de avaliações da função objetivo, principalmente em problemas complexos que envolvam uma grande quantidade de partículas e dimensões. Consequentemente, o algoritmo pode se tornar ineficiente em termos do desempenho, correspondente ao ganho obtido com a implementação da melhoria, tempo de resposta e até na qualidade do resultado esperado. Para superar tais dificuldades, pode-se utilizar a computação de alto desempenho e paralelizar o algoritmo, de acordo com as características da arquitetura, visando ao aumento de desempenho, a minimização do tempo de resposta e a melhoria da qualidade do resultado final. Este artigo apresenta uma versão do PSO paralelo implementado nas arquiteturas de multiprocessadores, multicomputadores e Graphics Processing Unit (GPU). Os diferentes testes realizados mostram que, nos casos com maiores partículas e dimensões, a arquitetura de multi-computadores obteve os melhores resultados. Todas as implementações paralelas obtiveram e ciência, em termos de otimização, igual ou superior à da implementação sequencial.
Abstract: Particle Swarm Optimization (PSO) is an optimization technique that is used to solve many problems in different applications. However, most implementations are sequential. The optimization process requires a large number of evaluations of the objective function, especially in complex problems, involving a large amount of particles and dimensions. As a result, the algorithm may become inefficient in terms of performance, corresponding to the gain obtained with the implementation of improvement, execution time and even the quality of the expected result. To overcome these difficulties, high performance computing and parallel algorithms can be used, taking into account the characteristics of the architecture. This should increase performance, minimize response time and may even improve the quality of the final result. This paper presents a par-allel version of PSO implemented in a multiprocessor, multicomputer and Graphics Processing Unit (GPU) based paralle architectures. The different performed assessments show that the multicomputer achieved the best results for problems with high number of particles and dimensions. In terms of optimization, all parallel implementations achieved equal or higher efficiency in comparison to sequential implementation.
URI: http://www.redebim.dphdm.mar.mil.br/vinculos/00000f/00000f36.pdf
http://repositorio.mar.mil.br/handle/ripcmb/843366
Aparece nas coleções:Tecnologia da Informação: Coleção de Artigos

Arquivos associados a este item:
Arquivo TamanhoFormato 
00000f36.pdf473,12 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.