???jsp.display-item.identifier??? http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4168
Tipo: Trabalho de Conclusão de Curso
metadata.dc.title: Análise de desempenho de algoritmos de enxame paralelizados em GPU
Autor(es): Menezes, Angelo Geovanni Amaral
Primeiro Orientador: Schepke, Claudio
Resumo: Algoritmos de enxames são um conjunto de heurísticas utilizados na busca de soluções ótimas em aplicações onde existem uma infinidade de possibilidades de respostas. Eles são extremamente versáteis e bastante utilizados em uma gama de diversos problemas, como por exemplo, no roteamento de veículos (BELL; MCMULLEN, 2004), predição de tendências do mercado financeiro (SHEN et al., 2011), problemas de fluxo de potência ótimo (MOHAMED et al., 2017), entre outros. Na busca por soluções ótimas, sendo que não se é necessário aos algoritmos compreenderem ou conhecerem completamente a função a ser avaliada, mantém-se a qualidade de resposta mesmo em casos de funções black box. Por natureza, estes algoritmos tem como característica uma relativa facilidade em sua paralelização, devido a uma certa independência dos componentes que formam o enxame, sendo que eles podem ser executados em um grande número de threads. Algumas aplicações que adotam algoritmos de enxame para a resolução de um problema exploram o paralelismo oferecido em CPU. Porém, a grande maioria não utiliza da computação em GPGPU para paralelização dos algoritmos. GPU oferecem um imenso número de threads, e alto desempenho em funções de cálculo básicas que são usadas na computação de fitness de um indivíduo ou de um enxame. Desta forma, este trabalho analisa e compara o desempenho de algoritmos de enxame implementados tanto em CPU quanto em GPU. Os resultados obtidos mostram que o desempenho em GPU é superior a CPU quando um número grande de elementos de enxame é utilizado.
en: Swarm algorithms are a combined set of heuristics that are used in the search of optimal solutions in applications where there is a large amount of possibilities for answers. They are versatile and used in a diverse array of problems such as, vehicle routing problems (BELL; MCMULLEN, 2004), predicting trends in the financial market (SHEN et al.,2011), optimal power flow problems (MOHAMED et al., 2017), and many others. In the search or optimal solutions, since its not necessary for the algorithm to comprehend or know completely the problem that is being analyzed, keeping high quality answers even in black box scenarios. By nature these algorithms are relatively simple to paralelize, since the components that compose the swarm are semi-independent, making it possible to execute using a large number of threads. Some applications that use swarm algorithms for problem solving explore paralelism in CPU. But most aplications dont use GPGPU computing to paralelyze the algortihms. GPU offer a high number of threads, and fast computation of basic functions that are used in the evaluation of fitness of an individual or swarm. In this way, this work evaluate and compare both CPU and GPU implementations of swarm algorithms. The obtained results shows that the performance in GPU is better than CPU when a larger number of swarm elements are used.
metadata.dc.subject: Ciência da computação
Algoritmos
Computação de alto desempenho
Paralelismo
GPU
Computer science
Algorithms
High performance computing
Parallelism
CNPQ: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
metadata.dc.publisher.country: Brasil
metadata.dc.publisher: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Alegrete
metadata.dc.identifier.citation: MENEZES, Angelo Geovanni Amaral. Análise de desempenho de algoritmos de enxame paralelizados em GPU. Orientador: Claudio Schepke. 2019. 57 p. Trabalho de Conclusão de Curso (Bacharel em Ciência da Computação) - Universidade Federal do Pampa, Curso de Ciência da Computação, Alegrete, 2019.
Tipo de acesso: Acesso Aberto
metadata.dc.identifier.uri: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4168
metadata.dc.date.issued: 24-Jun-2019
???org.dspace.app.webui.jsptag.ItemTag.appears???Ciência da Computação

???org.dspace.app.webui.jsptag.ItemTag.files???
???org.dspace.app.webui.jsptag.ItemTag.file??? ???org.dspace.app.webui.jsptag.ItemTag.description??? ???org.dspace.app.webui.jsptag.ItemTag.filesize??????org.dspace.app.webui.jsptag.ItemTag.fileformat??? 
Angelo Menezes - 2019.pdf1,04 MBAdobe PDF???org.dspace.app.webui.jsptag.ItemTag.view???


???jsp.display-item.copyright???