Paralelização de Algoritmos de Busca baseados em Cardumes através de Unidades de Processamento Gráfico

Abstract

Resumo -Busca por cardumes (FSS, Fish School Search)é uma técnica de inteligência computacional usada para resolver problemas de otimização em espaços de busca multimodais com alta dimensionalidade. FSSé inspirada no comportamento social de cardumes, na qual a posição de cada peixe no espaço de busca representa uma possível solução para o problema. Como FSSé uma técnica de inteligência de enxames e sua função objetivo pode ser avaliada para cada peixe individualmente, esta se torna uma potencial candidata para implementações em plataformas de processamento paralelo. A utilização de Unidades de Processamento Gráfico (GPU, Graphic Processing Units) vem se mostrando bastante vantajosa em aplicações que requerem computação paralela intensiva. Com a popularização da plataforma CUDA da NVIDIA, tornou-se possível o desenvolvimento de aplicações de propósito geral em plataformas com GPUs visando atingir processamento de alto desempenho. Neste trabalhó e apresentada uma análise de como adaptar o algoritmo original do FSS utilizando os benefícios da computação paralela. Esta versão foi nomeada de pFSS (parallel Fish School Search). Além de mostrar as vantagens do pFSS em relaçãoà abordagem para execução em CPU, tambémé analisado o desempenho em termos de tempo de execução e convergência nos modos de processamento síncrono e assíncrono. Aindaé apresentada uma análise do impacto da utilização de múltiplas plataformas GPUs operando em colaboração para problemas de alta dimensionalidade. Os resultados desta análise mostram que o pFSS pode atingir speedups de até 127 vezes em relação ao processamento seqüencial em CPU, mantendo a qualidade dos resultados retornados pelo algoritmo de busca por cardumes.Palavras-chave -Inteligência de Enxames, Busca por Cardumes, Unidades de Processamento Gráfico, Computação Paralela. Abstract -Fish School Search (FSS) is a computational intelligence technique developed to solve optimization problems inhigh dimensional multimodal search spaces. FSS was inspired by the social behavior of fish schools. In the FSS, the position of each fish within the search space represents a possible solution for the problem. Since the FSS is a swarm intelligence technique and the fitness function can be evaluated individually for each fish, FSS becomes a potential candidate for parallelization in Graphic Processing Units (GPUs). The use of GPUs has shown a great performance for applications that require intensive parallel computation. Due to the popularization of the NVIDIA's CUDA cards, many general purpose applications were adapted for GPU-based platforms, enabling high-performance processing. We propose in this paper to adapt the original FSS algorithm for GPU-based parallel platforms. We named this version pFSS (parallel Fish School Search). We show the feasibility of our approach in terms of execution time and convergence robustness. We show results for two different processing modes, synchronous and asynchronous. We also present an analysis on the impact of the use of multiple GPU platforms executing in a ...