Comparação entre métodos para computar algoritmos genéticos simples em GPU
Resumo
Algoritmos genéticos simples podem ser usados para busca de soluções de diversos problemas. Neste trabalho apresentamos cinco métodos diferentes de implementação paralela em GPU para esses algoritmos. Obtivemos speedups máximos entre 6% e 12.5% em relação à implementação serial.
Palavras-chave:
Algoritmos Paralelos e Distribuídos, Aplicações Paralelas para Soluções de Problemas Reais, Arquiteturas Dedicadas e Específicas, Avaliação, Medição e Predição de Desempenho
Referências
Jong, K. A. D. (1975). An analysis of the behavior of a class of genetic adaptive systems. Osyczka, A. and Kundu, S. (1995). A new method to solve generalized multicriteria optimization problems using the simple genetic algorithm. In Structural optimization, pages 94–99.
Styblinski, M. A. and Tang, T.-S. (1990). Experiments in nonconvex optimization: Stochastic approximation with function smoothing and simulated annealing. In Neural Networks 3, pages 467–483.
Styblinski, M. A. and Tang, T.-S. (1990). Experiments in nonconvex optimization: Stochastic approximation with function smoothing and simulated annealing. In Neural Networks 3, pages 467–483.
Publicado
15/04/2020
Como Citar
DE ANDRADE, Vinícius C. Oliveira; ZOLA, Wagner M. Nunan.
Comparação entre métodos para computar algoritmos genéticos simples em GPU. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUL (ERAD-RS), 20. , 2020, Santa Maria.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 155-156.
ISSN 2595-4164.
DOI: https://doi.org/10.5753/eradrs.2020.10784.
