SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2018 / Cilt: 33 - Sayı: 4

Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması

Mustafa Servet KIRAN
Ahmet Cevahir ÇINAR
Pages
1397–1410
Publication Date
2018-12-19
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Deneysel çalışmalar algoritmanın paralel versiyonunun algoritmanın seri sürümüne göre bazı problemler için 184,65 kata performans artışı sağladığı görülmüştür.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Son yıllarda toplanan verinin artmasıyla birlikte verimli hesaplama yöntemlerinin de geliştirilmesi ihtiyacı artmaktadır.
📊
Key Findings & Data:Kıyas fonksiyonlarında problem boyutluluğu 10 olarak alınmış ve farklı popülasyon ve blok sayıları altında performans analizi yapılmıştır.
💡
Conclusion & Impact:Deneysel çalışmalar algoritmanın paralel versiyonunun algoritmanın seri sürümüne göre bazı problemler için 184,65 kata performans artışı sağladığı görülmüştür.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Tree-seed algorithm · CUDA · parallel computation

Özet

Son yıllarda toplanan verinin artmasıyla birlikte verimli hesaplama yöntemlerinin de geliştirilmesi ihtiyacı artmaktadır. Çoğunlukla gerçek dünya problemlerinin zor olması sebebiyle optimal çözümü garanti etmese dahi makul zamanda yakın optimal çözümü garanti edebilen sürü zekâsı veya evrimsel hesaplama yöntemlerine olan ilgi de artmaktadır. Diğer bir açıdan seri hesaplama yöntemlerinde verinin veya işlemin paralelleştirilebileceği durumlarda paralel algoritmaların da geliştirilmesi ihtiyacı ortaya çıkmıştır. Bu çalışmada literatüre son yıllarda kazandırılmış olan popülasyon tabanlı ağaç-tohum algoritması ele alınmış ve CUDA platformu içerisinde paralel versiyonu geliştirilmiştir. Algoritmanın paralel versiyonunun performansı kıyas fonksiyonları üzerinde analiz edilmiş ve seri versiyonunun performansı ile karşılaştırılmıştır. Kıyas fonksiyonlarında problem boyutluluğu 10 olarak alınmış ve farklı popülasyon ve blok sayıları altında performans analizi yapılmıştır. Deneysel çalışmalar algoritmanın paralel versiyonunun algoritmanın seri sürümüne göre bazı problemler için 184,65 kata performans artışı sağladığı görülmüştür.

🔖

Cite This Article

KIRAN, M. S., ÇINAR, A. C. (2018). Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 33 - Sayı: 4, 1397–1410. https://ajindex.com/articles/20042

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (13)

  1. Çınar, A.C., A Cuda-based Parallel Programming Approach to Tree-Seed Algorithm, MSc Thesis, Selçuk University, GRADUATE SCHOOL OF NATURAL SCIENCES, 2016.
  2. Akyol, S. ve Alataş, B., “Kedi sürüsü optimizasyon algoritmasıyla doğru ve anlaşılabilir nümerik sınıflandırma kurallarının otomatik keşfi”, Journal of the Faculty of Engineering and Architecture of Gazi University, Cilt 31, No 4, 839-857, 2016.
  3. Haklı, H., Sürekli Fonksiyonların Optimizasyonu için Doğa Esinli Algoritmaların Geliştirilmesi, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2013.
  4. Kıran, M.S., “TSA: Tree-seed algorithm for continuous optimization”, Expert Systems with Applications, Cilt 42, No 19, 6686-6698, 2015.
  5. Kıran, M.S., “An Implementation of Tree-Seed Algorithm (TSA) for Constrained Optimization”, Intelligent and Evolutionary Systems, Springer, 189-197, 2016.
  6. Muneeswaran, V. ve Rajasekaran, M.P.“Performance evaluation of radial basis function networks based on tree seed algorithm”, in 2016
  7. International Conference on Circuit, Power and Computing Technologies (ICCPCT). 2016. Nvidia, “Compute unified device architecture programming guide”, 2007.
  8. Mussi, L. ve Cagnoni, S., “Particle swarm optimization within the CUDA architecture”, Viale G. Usberti 181a, I-43124 Parma, Italy, 2009. Molnár, F., Szakaly, T., Meszaros, R. ve Lagzi, I., “Air pollution modelling using a Graphics Processing Unit with CUDA”, Computer Physics Communications, Cilt 181, No 1, 105-112, 2010.
  9. Mussi, L., Daolio, F. ve Cagnoni, S., “Evaluation of parallel particle swarm optimization algorithms within the CUDA™ architecture”, Information Sciences, Cilt 181, No 20, 4642-4657, 2011.
  10. Solomon, S., Thulasiraman, P. ve Thulasiram, R.“Collaborative multi-swarm PSO for task matching using graphics processing units”, in Proceedings of the 13th annual conference on Genetic and evolutionary computation. 2011.
  11. ACM. Zhang, Z. ve Seah, H.S.“CUDA acceleration of 3D dynamic scene reconstruction and 3D motion estimation for motion capture”, in Parallel and Distributed Systems (ICPADS), 2012 IEEE 18th International Conference on. 2012.
  12. IEEE. Platos, J., Snasel, V., Jezowicz, T., Kromer, P. ve Abraham, A.“A PSO-based document classification algorithm accelerated by the CUDA platform”, in Systems, Man, and Cybernetics (SMC), 2012 IEEE International Conference on. 2012.
  13. IEEE. Kumar, J., Singh, L. ve Paul, S.“GPU based parallel cooperative particle swarm optimization using C-CUDA: a case study”, in Fuzzy Systems (FUZZ), 2013 I