مقایسه شتاب الگوریتم های خفاش وماهی با استفاده از چارچوب کودا

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 520

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTMNGT02_067

تاریخ نمایه سازی: 22 آبان 1395

چکیده مقاله:

الگوریتمهای تکاملی و هوش دسته جمعی کاربرد فراوانی در مسائل بهینه سازی دارند. الگوریتم های تکاملی به کمک الهام از فرآیندهای موجود در طبیعت و اصول تکاملی سعی مینمایند که بهترین راه حل های مسائل سخت و دشوار را که غالبا در چارچوب مسائل بهینه سازی مطرح میباشد را محاسبه نمایند. الگوریتم های تکاملی با فرآیندهای تکراری و جستجو در فضای مسئله راه حل های نزدیک به راه حل بهینه را محاسبه می نمایند. با افزایش ابعاد و پیچیدگی تابع هدف مسائل بهینه سازی یافتن راه حل های بهینه با کندی و احتمال همگرایی بیشتر به بهینه های محلی مواجه میشود و زمان اجرای الگوریتم تکاملی افزایش چشمگیری مییابد. الگوریتم تکاملی نظیر الگوریتم خفاش، ماهی به علت جستجوی مجزای اعضای جمعیت اولیه دارای ماهیتی موازی میباشد که در صورت فراهم بودن این شرایط، سرعت این الگوریتم ها را میتوان افزایش داد و تأثیر افزایش اندازه جمعیت اولیه و تعداد تکرار را بر روی زمان اجرای آنها کاهش داد. در این پژوهش جهت موازی سازی و افزایش سرعت الگوریتم های تکاملی ماهی و خفاش از فناوری جدید موازی سازی کارت گرافیک یا کودا استفاده شده است تا یک نسخه موازی و سریع از این الگوریتم ها برای حل مسائل بهینه سازی توسعه داده شود. نتایج آزمایش ها و شبیه سازی های مختلف نشان میدهد چارچوب کودا میتواند سرعت این الگوریتم ها را نسبت به نسخه سریال به مراتب افزایش دهد

نویسندگان

رویا داراب پور

دانشجوی نرم افزار کارشناسی ارشد دانشگاه آزاد اسلامی واحد خمین

محمد خلیلی

عضو هیات علمی و استادیار دانشگاه آزاد اسلامی واحد خمین

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • X.-S. Yang, Engineering optimization: an introduction with metaheuristic applications. John ...
  • Z. Michalewicz and M. Schoenauer, "Evolutionary Algorithms, " in Encyclopedia ...
  • M. Neshat, G. Sepidnam, M. Sargolzaei, and A. N. Toosi, ...
  • X.-S. Yang and X. He, "Bat algorithm: literature review and ...
  • et al. Van Luong, T., _ computing for parallel local ...
  • v. Kalivarapu and E. Winer, _ study of graphics hardware ...
  • C. Ferreiro, A. M., Garcia, J. A., Lopez-Salas, J. G., ...
  • A. B. S. Serapiao, G. S. Correa, F. B. Gonqalves, ...
  • J. Cheng, M. Grossman, and T. McKercher, Professional Cuda _ ...
  • نمایش کامل مراجع