Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması
Yıl: 2018 Cilt: 33 Sayı: 4 Sayfa Aralığı: 1397 - 1409 Metin Dili: Türkçe DOI: 10.17341/gazimmfd.416436 İndeks Tarihi: 27-02-2020
Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması
Öz: Son yıllarda toplanan verinin artmasıyla birlikte verimli hesaplama yöntemlerinin de geliştirilmesi ihtiyacıartmaktadır. Çoğunlukla gerçek dünya problemlerinin zor olması sebebiyle optimal çözümü garanti etmesedahi makul zamanda yakın optimal çözümü garanti edebilen sürü zekâsı veya evrimsel hesaplamayöntemlerine olan ilgi de artmaktadır. Diğer bir açıdan seri hesaplama yöntemlerinde verinin veya işleminparalelleştirilebileceği durumlarda paralel algoritmaların da geliştirilmesi ihtiyacı ortaya çıkmıştır. Buçalışmada literatüre son yıllarda kazandırılmış olan popülasyon tabanlı ağaç-tohum algoritması ele alınmışve CUDA platformu içerisinde paralel versiyonu geliştirilmiştir. Algoritmanın paralel versiyonununperformansı kıyas fonksiyonları üzerinde analiz edilmiş ve seri versiyonunun performansı ilekarşılaştırılmıştır. Kıyas fonksiyonlarında problem boyutluluğu 10 olarak alınmış ve farklı popülasyon veblok sayıları altında performans analizi yapılmıştır. Deneysel çalışmalar algoritmanın paralel versiyonununalgoritmanın seri sürümüne göre bazı problemler için 184,65 kata performans artışı sağladığı görülmüştür.
Anahtar Kelime: Konular:
A parallel implementation of Tree-Seed Algorithm on CUDA-supported graphical processing unit
Öz: In recent years, while the collected data are increased, we need effective computation methods to process these data. Due to the fact that most of the real world problems are difficult to solve, swarm intelligence and evolutionary computation algorithms are interested because they guarantee the near optimal solution for the problem in a reasonable time but not guarantee the optimal solution. In another perspective, if the data or process can be parallelized, the parallel computation is a good choice instead of serial programming approaches in terms of time effectiveness. In this study, the tree-seed algorithm, which is a recently proposed population-based iterative search algorithm, is implemented within CUDA platform in parallel. The performance of the parallel version of the algorithm has been investigated on the benchmark functions and compared with the performance of the serial version of the algorithm. The dimensionality of the problems is taken as 10 and the performance analysis and comparisons have been conducted under the condition of different sizes of the population. Experimental studies show that the parallel version of the algorithm is accelerated to 184.65 times in accordance with the serial version of the algorithm on some problems.
Anahtar Kelime: Konular:
Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
- Cinar A.C., A Cuda-based Parallel Programming Approach to Tree-Seed Algorithm, MSc Thesis, Selçuk University, Graduate School of Natural Sciences, Konya, 2016.
- Akyol S., Alataş B., Automatic mining of accurate and comprehensible numerical classification rules with cat swarm optimization algorithm, Journal of the Faculty of Engineering and Architecture of Gazi University, 31 (4), 839-857, 2016.
- Haklı H., Sürekli Fonksiyonların Optimizasyonu için Doğa Esinli Algoritmaların Geliştirilmesi, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya, 2013.
- Kiran M.S., TSA: Tree-seed algorithm for continuous optimization, Expert Systems with Applications, 42 (19), 6686-6698, 2015.
- Kıran M.S., An Implementation of Tree-Seed Algorithm (TSA) for Constrained Optimization, Intelligent and Evolutionary Systems, Springer, 189-197, 2016.
- Muneeswaran V., Rajasekaran, M.P., Performance evaluation of radial basis function networks based on tree seed algorithm, International Conference on Circuit, Power and Computing Technologies (ICCPCT), 2016.
- Nvidia Compute unified device architecture programming guide, 2007.
- Mussi, L., Cagnoni S., Particle swarm optimization within the CUDA architecture, Viale G. Usberti 181a, I43124 Parma, Italy, 2009.
- Molnár F., Szakaly T., Meszaros R., Lagzi I., Air pollution modelling using a Graphics Processing Unit with CUDA, Computer Physics Communications, 181 (1), 105-112, 2010.
- Mussi L., Daolio F., Cagnoni S., Evaluation of parallel particle swarm optimization algorithms within the CUDA™ architecture, Information Sciences, 181 (20), 4642-4657, 2011.
- Solomon S., Thulasiraman P., Thulasiram R.Collaborative multi-swarm PSO for task matching using graphics processing units, Proceedings of the 13th annual conference on Genetic and evolutionary computation, 2011.
- Zhang Z., Seah H.S., CUDA acceleration of 3D dynamic scene reconstruction and 3D motion estimation for motion capture, IEEE 18th International Conference on Parallel and Distributed Systems (ICPADS), 2012.
- Platos J., Snasel V., Jezowicz T., Kromer P., Abraham, A.A PSO-based document classification algorithm accelerated by the CUDA platform, IEEE International Conference on Systems, Man, and Cybernetics (SMC), 2012.
- Kumar J., Singh L., Paul S.GPU based parallel cooperative particle swarm optimization using CCUDA: a case study, IEEE International Conference on Fuzzy Systems (FUZZ), 2013.
- Wang H., Rahnamayan S., Wu Z., Parallel differential evolution with self-adapting control parameters and generalized opposition-based learning for solving highdimensional optimization problems, Journal of Parallel and Distributed Computing, 73 (1), 62-73, 2013.
- Wang H., Wu Z., Rahnamayan S., Enhanced oppositionbased differential evolution for solving highdimensional continuous optimization problems, Soft Computing, 15 (11), 2127-2140, 2011.
- Kneusel R., Curve-Fitting on Graphics Processors Using Particle Swarm Optimization, International Journal of Computational Intelligence Systems, 7 (2), 213-224, 2014.
- Luo G.-H., Huang S.-K., Chang Y.-S., Yuan S.-M., A parallel Bees Algorithm implementation on GPU, Journal of Systems Architecture, 60 (3), 271-279, 2014.
- Janousešek J., Gajdoš P., Radecký M., Snášel, V., Classification via Nearest Prototype Classifier Utilizing Artificial Bee Colony on CUDA, International Joint Conference SOCO’14-CISIS’14-ICEUTE’14, 2014.
- Rymut B., Kwolek B., Real‐time multiview human pose tracking using graphics processing unit‐accelerated particle swarm optimization, Concurrency and Computation: Practice and Experience, 27 (6), 1551- 1563, 2015.
- Yuan H., Zhao T., Yang W., Pan H., 1821. Annealing evolutionary parallel algorithm analysis of optimization arrangement on mistuned blades with non-linear friction, Journal of Vibroengineering, 17 (8),4078-4095, 2015.
- Bukharov O.E., Bogolyubov D.P., Development of a decision support system based on neural networks and a genetic algorithm, Expert Systems with Applications, 42 (15), 6177-6183, 2015.
- Wang P., Li H., Zhang B., A GPU-based Parallel Ant Colony Algorithm for Scientific Workflow Scheduling, International Journal of Grid and Distributed Computing, 8 (4), 37-46, 2015.
- Kai Z., Ming Q., Lin L., Xiaoming, L., Solving Graph Coloring Problem by Parallel Genetic Algorithm Using Compute Unified Device Architecture, Journal of Computational and Theoretical Nanoscience, 12 (7), 1201-1205, 2015.
- Kalivarapu V., Winer E., A study of graphics hardware accelerated particle swarm optimization with digital pheromones, Structural and Multidisciplinary Optimization, 51 (6), 1281-1304, 2015.
- Silva E.H. ve Bastos Filho C.J., PSO Efficient Implementation on GPUs Using Low Latency Memory, Latin America Transactions, IEEE (Revista IEEE America Latina), 13 (5), 1619-1624, 2015.
- Akgün D. ve Erdoğmuş P., GPU accelerated training of image convolution filter weights using genetic algorithms, Applied Soft Computing, 30, 585-594, 2015.
- Zarrabi A., Samsudin K., Karuppiah E.K., Gravitational search algorithm using CUDA: a case study in highperformance metaheuristics, The Journal of Supercomputing, 71 (4), 1277-1296, 2015.
- Tsuchida Y, Yoshioka M., A Parallelization Method for Neural Network Learning, Electrical Engineering in Japan, 191 (2), 17-23, 2015.
- Ouyang A., Tang Z., Zhou X., Xu Y., Pan G., Li K., Parallel hybrid pso with cuda for ld heat conduction equation, Computers & Fluids, 110, 198-210, 2015.
- Bukata L., Šůcha P. Hanzálek Z., Solving the Resource Constrained Project Scheduling Problem using the parallel Tabu Search designed for the CUDA platform, Journal of Parallel and Distributed Computing, 77, 58- 68, 2015.
- Peker M., Şen B., Gürüler H., Rapid Automated Classification of Anesthetic Depth Levels using GPU Based Parallelization of Neural Networks, Journal of medical systems, 39 (2), 1-11, 2015.
- Lastra M., Molina D., Benítez J.M., A high performance memetic algorithm for extremely high-dimensional problems, Information Sciences, 293, 35-58, 2015.
- Cinar A.C. ve Kiran M.S., A Parallel Version of TreeSeed Algorithm (TSA) within CUDA Platform, Selçuk International Scientific Conference On Applied Sciences, Antalya, 2016.
- Nvidia CUDA C PROGRAMMING GUIDE, 2016.
- Zarrabi A., Karuppiah E.K., Kok Y.K., Hai, N.C., See, S., Gravitational Search Algorithm Using CUDA, IEEE 15th International Conference on Parallel and Distributed Computing, Applications and Technologies (PDCAT), 2014.
| APA | ÇINAR A, Kıran M (2018). Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. , 1397 - 1409. 10.17341/gazimmfd.416436 |
| Chicago | ÇINAR Ahmet Cevahir,Kıran Mustafa Servet Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. (2018): 1397 - 1409. 10.17341/gazimmfd.416436 |
| MLA | ÇINAR Ahmet Cevahir,Kıran Mustafa Servet Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. , 2018, ss.1397 - 1409. 10.17341/gazimmfd.416436 |
| AMA | ÇINAR A,Kıran M Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. . 2018; 1397 - 1409. 10.17341/gazimmfd.416436 |
| Vancouver | ÇINAR A,Kıran M Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. . 2018; 1397 - 1409. 10.17341/gazimmfd.416436 |
| IEEE | ÇINAR A,Kıran M "Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması." , ss.1397 - 1409, 2018. 10.17341/gazimmfd.416436 |
| ISNAD | ÇINAR, Ahmet Cevahir - Kıran, Mustafa Servet. "Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması". (2018), 1397-1409. https://doi.org/10.17341/gazimmfd.416436 |
| APA | ÇINAR A, Kıran M (2018). Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 33(4), 1397 - 1409. 10.17341/gazimmfd.416436 |
| Chicago | ÇINAR Ahmet Cevahir,Kıran Mustafa Servet Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 33, no.4 (2018): 1397 - 1409. 10.17341/gazimmfd.416436 |
| MLA | ÇINAR Ahmet Cevahir,Kıran Mustafa Servet Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, vol.33, no.4, 2018, ss.1397 - 1409. 10.17341/gazimmfd.416436 |
| AMA | ÇINAR A,Kıran M Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2018; 33(4): 1397 - 1409. 10.17341/gazimmfd.416436 |
| Vancouver | ÇINAR A,Kıran M Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2018; 33(4): 1397 - 1409. 10.17341/gazimmfd.416436 |
| IEEE | ÇINAR A,Kıran M "Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması." Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 33, ss.1397 - 1409, 2018. 10.17341/gazimmfd.416436 |
| ISNAD | ÇINAR, Ahmet Cevahir - Kıran, Mustafa Servet. "Ağaç-tohum algoritmasının CUDA destekli grafik işlem birimi üzerinde paralel uygulaması". Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 33/4 (2018), 1397-1409. https://doi.org/10.17341/gazimmfd.416436 |
