Исследование эффективности архитектуры CUDA для аппроксимации множества Парето с помощью метода роя частиц

Исследование эффективности архитектуры CUDA для аппроксимации множества Парето с помощью метода роя частиц

Автор: Антух Александр Эдуардович, Карпенко Анатолий Павлович, Семенихин Артем Сергеевич

Журнал: Вестник Южно-Уральского государственного университета. Серия: Математическое моделирование и программирование @vestnik-susu-mmp

Рубрика: Программирование

Статья в выпуске: 37 (254), 2011 года.

Бесплатный доступ

Во многих практически значимых случаях при решении задачи многокритериальной оптимизации предварительно целесообразно построить аппроксимацию множества Парето этой задачи. Рассматривается комбинация известного метода приближенного построения множества Парето «недоминируемая сортировка» и метода глобальной оптимизации роем частиц. Целью работы является исследование эффективности указанной комбинации методов при их реализации на графических процессорных устройствах с архитектурой CUDA.

Метод роя частиц, гпу, множество парето

Короткий адрес: https://sciup.org/147159113

IDR: 147159113

Список литературы Исследование эффективности архитектуры CUDA для аппроксимации множества Парето с помощью метода роя частиц

  • Вычисления на ГПУ [Электронный ресурс]//URL: http://www.nvidia.ru/page/gpu_computing.html (дата обращения: 13.12.2010).
  • NVIDIA CUDA С SDK Code [Электронный ресурс]//URL: http://developer.download.nvidia.com/compute/cuda/sdk/website/samples.html (дата обращения: 13.12.2010).
  • Карпенко, А.П. Глобальная безусловная оптимизация роем частиц на графических процессорах архитектуры CUDA/А.П. Карпенко, Е.Ю. Селиверстов//Наука и образование: электронное научно-техническое издание [Электронный ресурс]. -2010. -№4.//URL:http://technomag.edu.ru/doc/142202.html (дата обращения: 13.12.2010).
  • Штойер, Р. Многокритериальная оптимизация. Теория, вычисления и приложения/Р. Штойер. -М.: Радио и связь, 1992. -504 с.
  • Карпенко, А.П. Глобальная оптимизация методом роя частиц. Обзор/А.П. Карпенко, Е.Ю. Селиверстов//Информационные технологии. -2010. -№ 2. -С. 25 -34.
  • Ни, X. Multiobjective optimization using dynamic neighborhood particle swarm optimization/X. Ни, R. Eberhart//World Congress on Computational Inelligence. -2002. -P. 1677 -1681.
  • Srinivas, N. Multiobjective optimization using nondominated sorting in genetic algorithms/N. Shinvas, K. Deb//Evolutionary Computation. -1994. -V.2. -P. 221 -248.
  • Антух, А.Э. Построение множества Парето методом роя частиц на графических процессорах архитектуры CUDA/А.Э. Антух, А.С. Семенихин, Р.В. Хасанова//Научный сервис в сети Интернет: суперкомпьютерные центры и задачи: тр. междунар. суперкомпьютер, конф. (21 -26 сентября 2009 г., г. Новороссийск). -М., 2010. -С. 274 -280.
  • Фролов, В. Введение в технологию CUDA//URL: http://cgm.computergraphics.ru/issues/issuel6/cuda (дата обращения: 13.12.2010).
  • Vychisleniya па GPU [GPU calculations] Available at: http://www.nvidia.ru/page/gpu_computing.html> (accessed 13.12.2010).
  • NVIDIA CUDA С SDK Code Available at: http://developer.download.nvidia.com/compute/cuda/sdk/website/samples.html> (accessed 13.12.2010).
  • Karpenko A.P, Seliverstov E.U. Global non-conditional swarm optimizaion using CUDA [Global'naja bezuslovnaja optimizacija roem chastic na graficheskih processorah arhitektury CUDA]. Nauka i obrazovanie: jelektronnoe nauchno-tehnicheskoe izdanie, 2010, no. 4, available at: http://technomag.edu.ru/doc/142202.html>
  • Shtojer, R. Mnogokriterial'naja optimizacija. Teorija, vychislenija i prilozhenija [Multimodal optimization. Theory, computing and application]. Moscow, 1992. 504 p.
  • Karpenko A.P., Seliverstov E.U. Global optimization using partical swarm method. Overview [Global'naja optimizacija metodom roja chastic. Obzor] Informacionnye tehnologii, 2010, no. 2, pp. 25 -34.
  • Hu X., Eberhart R. Multiobjective optimization using dynamic neighborhood particle swarm optimization. World Congress on Computational Inelligence. 2002, pp. 1677 -1681.
  • Srinivas N., Deb K. Multiobjective optimization using nondominated sorting in genetic algorithms. Evolutionary Computation, 1994, vol.2, pp. 221 -248.
  • Antuh A.E., Semenihin A.S., Hasanova R.V. Pareto set construction usgin PSO on GPU with CUDA library. Nauchnyj servis v seti Internet: superkomp'juternye centry i zadachi: tr. mezhdunar. superkomp'juter. konf. (21 -26 sentjabrja 2009 д., д. Novorossijsk). Moscow, 2010, pp. 274 -280.
  • Frolov V. Vvedenie v tehnologiju CUDA [CUDA Introduction]. Available at: http://cgm.computergraphics.ru/issues/issuel6/cuda> (accessed 13.12.2010).
Еще
Статья научная
SciUp 2024 © 2024 ©