پایگاه علمی سعید سان دانلود رایگان مقالات علمی کنفرانس و ژورنال
دانلود ترجمه مقاله پیاده‌سازی موازی الگوریتم زنبور عسل بر روی GPU
دانلود ترجمه مقاله پیاده‌سازی موازی الگوریتم زنبور عسل بر روی GPU
چکیده:
الگوریتم زنبور عسل، یک روش جمعیت‌بنیان ، یک الگوریتم کران محاسباتی است که با الهام گرفتن از رفتار طبیعی زنبور عسل به جستجوی یک راهکار شبه‌بهینه برای مسئله جستجو می‌پردازد. اخیراً الگوریتم‌های موازی گروه‌بنیان متعددی برای اجرا بر GPU ارائه شدهاند. چرا که امروزه ساخته یک الگوریتم زنبور عسل موازی برای اجرا در GPU از اهمیت بسیار بالایی برخوردار است. در این مقاله الگوریتم زنبورهای عسل CUBA( یعنی الگوریتم زنبور عسل مبتنی بر CUDA) را برای اجرا در(الگوریتم زنبو مبتنی بر CUDS)CUDA.CUBA ( معماری دستگاه یکپارچه محاسباتی) بسط می‌دهیم. عملکرد CUBA را با انجام آزمایش‌هایی براساس مسائل بی‌شمار و معروف بهینه‌سازی مورد بررسی قرار خواهیم داد. نتایج نشان از آن دارند که CUBA به میزان قابل توجهی در بسیاری از مسائل بهینه‌سازی بهتر از الگوریتم زنبور عسل استاندارد عمل می‌کند.
کلیدواژه:
الگوریتم زنبور عسل، الگوریتم زنبور عسل موازی، هوش گروهی، GPGPU، CUDA.
- مقدمه
امروزه یافتن یک پاسخ بهینه برای مسئله جستجو به یکی از سوالات تحقیقاتی مهم تبدیل شده است. هوش گروهی که در طبیعت همان رفتار جمعی حیوانات اجتماعی است که برای یافتن پاسخ شبه‌بهینه بکار برده میشود، در حال گسترش می‌باشد. الگوریتم‌های بهینه‌سازی گروه‌بنیان (SOAها) جستجو را به سمت پاسخ بهینه هدایت می‌کنند. الگوریتم‌های مختلف مانند بهینه‌سازی کلونی مورچه(ACO) از مارکو دوریگو، الگوریتم ژنتیک(GA) ، بهینه‌سازی گروه ذرات(PSO) از کندی، الگوریتم کلونی زنبور عسل مصنوعی از دی کارابوگا و الگوریتم زنبورها از دی‌تی‌فام، رفتار گروه حیوانات دارای سازماندهی اجتماعی را مدلسازی کرده‌اند. خودساماندهی یکی از ویژگی‌های سیستم است که با استفاده از برهم‌کنش‌های سطح پایین مختلف، واکنش سطح جهانی را بدست می‌آورد.
از بین SOAها ، الگوریتم ACO یکی از الگوریتم‌های جمعیت‌بنیان غیر حریص است که رفتار مورچه‌های حقیقی را تقلید می‌کند. این الگوریتم بخوبی از اطلاعات قبلی برای بررسی محدوده های جدید جستجو با عملکرد بهتر استفاده می‌کند. PSO یک دستورالعمل بهینه‌سازی مبتنی بر رفتار اجتماعی گروه سازمانهاست. و ABC نیز الگوریتم بهینه سازی دیگری است که از رفتار هوشمند گروه زنبورهای عسل الهام گرفته است. الگوریتم زنبور عسل نیز یک روش جمعیت بنیان برای جستجوی بهینه‌سازی مسائل است و از رفتار زنبورهای عسل الهام گرفته است. این الگوریتم نوعی جستجوی همسایگی را همراه با جستجوی تصادفی انجام می‌دهد و می‌توان از آن برای بهینه سازی ترکیبی و بهینه سازی عاملی استفاده کرد. محققان براساس BA به چندین کاربرد حقیقی مبتنی بر الگوریتم زنبورعسل مانند داده کاوی، کنترل‌ربات، مهندسی الکترونیک، زمان‌بندی کاری، ازمایش مجازی، تخصیص وظایف و …. دست یافته‌اند.
فهرست مطالب
چکیده
مقدمه
2.پیشینه و فعالیت‌های مرتبط
2.1 بهینه‌سازی کلونی زنبورعسل
2.2 الگوریتم کلونی زنبورها
2.2.1 کوچک‌سازی همسایگی
2.2.2 ترک محل(سایت)
2.3 فعالیت‌های مرتبط
PBA روی GPU
3.1 مروری بر سیستم
3.2 الگوریتم موازی‌سازی
3.2.1 آغاز(مقداردهی اولیه) موازی‌سازی
3.2.2 دسته‌بندی زوج و فرد
3.2.3 گروه‌بندی زنبورها در کلونی‌های مختلف
3.2.4 الگوریتم زنبور اصلاح‌شده
3.2.4.2 بذرهای تصادفی
3.2.4.3 کوچک‌سازی همسایگی
3.2.4.4 ارتباط با حافظه مشترک
تحلیل و نتایج آزمایش
توابع الگوبرداری
تحلیل و نتیجه
تحلیل nep
تحلیل تعداد کلونی‌هاتحلیل تعداد زنبورها
توانمندی و افزایش سرعت
نتیجه‌گیری و فعالیت‌های آتی
A parallel Bees Algorithm implementation on GPU
Bees Algorithm is a population-based method that is a computational bound algorithm whose inspired by
the natural behavior of honey bees to finds a near-optimal solution for the search problem. Recently,
many parallel swarm based algorithms have been developed for running on GPU (Graphic Processing
Unit). Since nowadays developing a parallel Bee Algorithm running on the GPU becomes very important.
In this paper, we extend the Bees Algorithm (CUBA (i.e. CUDA based Bees Algorithm)) in order to be run
on the CUDA (Compute Unified Device Architecture). CUBA (CUDA based Bees Algorithm). We evaluate
the performance of CUBA by conducting some experiments based on numerous famous optimization
problems. Results show that CUBA significantly outperforms standard Bees Algorithm in numerous different optimization problems.
2013 Elsevier B.V. .
Keywords:
Bees Algorithm
Parallel Bees Algorithm
Swarm intelligence
GPGPU
CUDA
این فایل ورد ترجمه در 20 صفحه و فایل اصلی لاتین pdf مقاله در 9 صفحه به خدمتتون ارائه میشود.