Akcelerace genetických algoritmů na grafických kartách 5. část Mikuláš Dítě.

Prezentace na téma: "Akcelerace genetických algoritmů na grafických kartách 5. část Mikuláš Dítě."— Transkript prezentace:

1 Akcelerace genetických algoritmů na grafických kartách 5. část Mikuláš Dítě

2 Připomenutí problému udržování tyče na vozíku pěstování konstant zdlouhavý výpočet fitness funkce

3 Paměťová náročnost přenesení dat do paměti GPU CPUCPU + GPU

4 Další optimalizace pouze GPU start zápis na GPU čtení z GPU každá generace paralelní výpočet vlastní implementace rand() a další výpočty vlastní implementace rand() a další výpočty

5 Porovnání CPU, GPU+CPU a GPU

6 Porovnání

7 OpenCL vs CUDA programování pro grafickou kartu OpenCL je (víc) multiplatformní – 1.1 vyšla ještě 2010 CUDA vytvořila Nvidia – 4.0 stable (květen 2011)

8 CUDA maximální rozměr textury 65 536 x 65 535

9

10

11 Odkazy Ing. Miroslav Čepek (Katedra počítačů FEL ČVUT) Ing. Vladimír Pospíšil (Cesta k vědě) Poděkování https://github.com/Mikulas/PoleBalanceGPU https://github.com/Mikulas/PoleBalanceGPU

12 Zdroje [1] BROWNLEE, J. The pole balancing problem. [online]. [cit. 8. 1. 2011]. Dostupné z http://www.ict.swin.edu.au/personal/jbrownlee/2005/TR07- 2005.pdf [2] Genetic algorithm. [online]. [cit. 8. 1. 2011]. Dostupné z http://en.wikipedia.org/wiki/Genetic_algorithm [3] NP-hard. [online]. [cit. 8. 1. 2011]. Dostupné z http://en.wikipedia.org/wiki/Np-hard [4] KOZOLA, S. Improving Optimization Performance with Parallel Computing. [online]. [cit. 8. 1. 2011]. Dostupné z http://www.mathworks.com/company/newsletters/digest/2009/mar/par allel-optimization.html