No abstract

No abstract

Описан параллельный алгоритм моделирования эволюции случайных булевых сетей (СБС) с применением технологии GPGPU. Рассмотрено влияние ограни-чения на длину аттракторов при моделировании эволюции. С использованием предложенного алгоритма получены распределение длин аттракторов и значе-ния средних входных полустепеней для критических адаптивных СБС. Ключевые слова: случайная булева сеть, GPGPU, регуляторные сетиСлучайная булева сеть (СБС) как модель генетической регуляторной сети представляет собой ориентированный граф из N вершин (узлов), причем состояние i-й вершины на t-м шагеопределяется булевой функцией (БФ) от состояний ее вершин-родителей на шаге 1 t  . Правило изменения топологии сети позволяет перевести адаптивную СБС (АСБС) в критическое состояние путем добавления/удаления ребер случайно выбранного узла в зави-симости от его среднего состояния на аттракторе [1]. Процесс изменения топологии сети на-зван эволюцией АСБС, а одна итерация этого процесса -поиск аттрактора и добавле-ние/удаление ребер -называется эпохой эволюции. С увеличением размера СБС длина ат-тракторов возрастает экспоненциально, что затрудняет процесс моделирования эволюции АСБС. Ускорить его можно следующими способами: 1) применение эвристических алгоритмов поиска аттрактора [1-3]; 2) параллельное обновление состояний узлов при поиске аттрактора; 3) введение ограничений на максимальную длину аттрактора; 4) перевязка нескольких узлов за эпоху. В настоящей работе предложен алгоритм на основе технологии GPGPU, агрегирующий указанные способы.Для повышения производительности при вычислениях на GPU целесообразно пред-ставлять СБС матрицей вида: