Stáhnout prezentaci
Prezentace se nahrává, počkejte prosím
ZveřejnilLaura Říhová
1
Akcelerace genetických algoritmů na grafických kartách 3. část Mikuláš Dítě Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
2
Genetické algoritmy náhodná 0. generace šlechtění další generace kombinací předchozí – křížení, mutace, reprodukce vozík se snaží udržet tyč ve svislé poloze
3
A co procesor? přenesení dat do paměti GPU CPUGPU
4
Porovnání časů CPU a GPU předpoklad
5
Porovnání časů CPU a GPU
6
Počet výpočtů celkem 50 testů pro různé velikosti generací (od 400 do 20 000) každý test se počítal z 200 vzorků vzorky měli průměrně 10 000 jedinců = 100 milionů jedinců = s časovým limitem řádově 4000 fitness na jedince = výpočtů fitness = 400 miliard
7
Profilování čas zápisu na paměť GPU: 0.873ms výpočet: 0.140ms – 1. řádově víc ( 16ms ) čas čtení výsledků z paměti GPU: 0.250ms
8
Pokrok projektu implementace na GPU v CUDA vytvořeno testovací prostředí částečně naměřeno snížit čas zápisu do paměti GPU zvětšit diverzitu (vzdálenost) jedinců a dále vylepšovat genetický algoritmus
9
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
10
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
Podobné prezentace
© 2024 SlidePlayer.cz Inc.
All rights reserved.