Particle Swarm with graphics hardware acceleration and local pattern search on bound constrained problems

Zhu, Weihang; Curry, James

doi:10.1109/sis.2009.4937837

Cited by 17 publications

(18 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Foram feitas comparações com uma versão em CPU do algoritmo, utilizando diversas funções de testes conhecidas, a fim de analisar o desempenho e a escalabilidade da arquitetura, demonstrando melhorias significativas em relaçãoà versão executada em CPU. Zhu & Curry [20] adaptaram o algoritmo de otimização por colônia de formigas para otimizar funções de teste em GPUs. Pospíchal et al [21] implementaram um Algoritmo Genético paralelo para arquitetura CUDA, com versões síncronas e assíncronas do algoritmo, fazendo com que grupos de indíviduos fossem mapeados em blocos de processamento na memória da GPU.…”

Section: Inteligência De Enxames Com Processamento Paralelounclassified

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

Lins¹,

Neto²,

Filho³

2015

L&NLM

View full text Add to dashboard Cite

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 ...

show abstract

Section: Inteligência De Enxames Com Processamento Paralelounclassified

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

Lins¹,

Neto²,

Filho³

2015

L&NLM

View full text Add to dashboard Cite

show abstract

“…Furthermore, the implementation is not CPU-free since it needs to generate random numbers on the host. Zhu & Curry (2009) presented a SPSO model that combines CPU and GPU codes on the particles best solution updates. Likewise, they carried out the analysis only on the ring topology.…”

Section: Previous Gpu-based Particle Swarm Optimization Approachesmentioning

confidence: 99%

Running Particle Swarm Optimization on Graphic Processing Units

Bastos-Filho¹,

Oliveira²,

Nascimento³

2011

Search Algorithms and Applications

View full text Add to dashboard Cite

“…Sobre ésta se ha evaluado el algoritmo de enjambre de partículas [3]- [9] y el algoritmo de hormigas [10]- [15]. Sobre un clúster de computadoras y FPGA se ha implementado el algoritmo de partículas [16], y solo sobre FPGAs variantes los algoritmos de hormigas [17], [18].…”

Section: Introductionunclassified

Arquitectura heterogénea para el procesamiento de los algoritmos de enjambres

Davila-Raigoza

Alfonso-Morales

Caicedo-Bravo

2014

TecnoL.

View full text Add to dashboard Cite

Desde años recientes, el paralelismo hace parte de la arquitectura de las computadoras personales al incluir unidades de co-procesamiento como las unidades de procesamiento gráfico, para conformar así una arquitectura heterogénea. Este artículo presenta la implementación de algoritmos de enjambres sobre esta arquitectura para resolver problemas de optimización de funciones, destacando su estructura inherentemente paralela y sus propiedades de control distribuido. En estos algoritmos se paralelizan los individuos de la población y las dimensiones del problema gracias a la granuralidad del sistema de procesamiento, que además proporciona una baja latencia de comunicaciones entre los individuos debido al procesamiento embebido. Para evaluar las potencialidades de los algoritmos de enjambres sobre la plataforma heterogénea, son implementados dos de ellos: el algoritmo de enjambre de partículas y el algoritmo de enjambre de bacterias. Se utiliza la aceleración como métrica para contrastar los algoritmos en la arquitectura heterogénea compuesta por una GPU NVIDIA GTX480 y una unidad de procesamiento secuencial, donde el algoritmo de enjambre de partículas obtiene una aceleración de hasta 36,82x y el algoritmo de enjambre de bacterias logra una aceleración de hasta 9,26x. Además, se evalúa el efecto al incrementar el tamaño en las poblaciones donde la aceleración es significativamente diferenciable pero con riesgos en la calidad de las soluciones.

show abstract

Particle Swarm with graphics hardware acceleration and local pattern search on bound constrained problems

Cited by 17 publications

References 17 publications

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

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

Running Particle Swarm Optimization on Graphic Processing Units

Arquitectura heterogénea para el procesamiento de los algoritmos de enjambres

Contact Info

Product

Resources

About