پایگاه علمی سعید سان دانلود رایگان مقالات علمی کنفرانس و ژورنال
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 عسلCUBA( یعنی الگوریتم زنبور عسل مبتنی بر CUDA) را برای اجرا در(الگوریتم زنبو مبتنی برCUDS)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.
الگوریتم زنبور عسل
الگوریتم زنبور عسل 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. الگوریتم‌های بهینه‌سازی گروه‌بنیان در سطح گسترده‌ای برای شتاب‌دادن به عملکرد مسائل جستجو بکار برده شدهاند. تکنیک موازی‌سازی غالباً در مسائل مختلف هوش گروهی مانند پیاده‌سازی موازی بهینه‌سازی کلونی مورچه، الگوریتم ژنتیک موازی(PGA) ، بهینه‌سازی جهانی موازی با الگوریتم گروه ذرات، الگوریتم زنبور عسل موازی(PBA)، و کلونی مصنوعی زنبورعسل موازی(PABC) و … بکار برده می‌شود. راهبرد موازی‌سازی پیشنهادی نه تنها کیفیت راهکار بدست آمده را پایین می‌اورد بلکه باعث افزایش سرعت به میزان قابل توجهی می‌گردد.
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
فرمت فایل: Powerpoint (قابل ویرایش)
تعداد صفحات: 20
حجم: 1.24 مگابایت