ESTUDO PRELIMINAR SOBRE A ESCALABILIDADE DE UM ALGORITMO GENÉTICO PARALELIZADO COM OPENMP. Mateus Fontoura Gomes da Rosa Márcia C.

Transcrição

1 ESTUDO PRELIMINAR SOBRE A ESCALABILIDADE DE UM ALGORITMO GENÉTICO PARALELIZADO COM OPENMP Mateus Fontoura Gomes da Rosa Márcia C. Cera

2 Roteiro Introdução Problema de Roteamento de Veículos Objetivos da Pesquisa Algoritmos Genéticos Paralelização do AG Apresentação dos Resultados Preliminares Considerações Finais 2

3 Problema de Roteamento de Veículos Consiste de uma derivação do Problema do Caixeiro Viajante Foi utilizado Algoritmo Genético para solucionar o problema Fonte: Gressler (2012) 3

4 Objetivos da Pesquisa Objetivo Geral: Analisar a escalabilidade do Algoritmo Genético Paralelo conforme o número de threads e núcleos de processamento aumenta Objetivos Específicos: Analisar o desempenho do AG Paralelo conforme aumenta-se o grau de paralelismo; Analisar a escalabilidade do AG Paralelo. 4

5 Roteiro Introdução Algoritmos Genéticos Definição Fluxograma do Algoritmo Genético Paralelização do AG Apresentação dos Resultados Preliminares Considerações Finais 5

6 Algoritmos Genéticos - Definição Consiste de uma proposta baseada no modelo evolutivo de Darwin Possui funções que simulam a genética, como funções de avaliação do indivíduo, cruzamento e mutação Essas funções podem ser facilmente adaptadas a qualquer escopo de problema, visto que o Algoritmo Genético trata soluções parciais como indivíduos e as melhora gradativamente a cada evolução 6

7 Fluxograma do Algoritmo Genético Gressler (2012) 7

8 Fluxograma do Algoritmo Genético Técnicas de cruzamento: Cruzamento 1 ponto; Cruzamento 2 pontos; Cruzamento uniforme; Técnica Híbrida 1; Técnica Híbrida 2; Gressler (2012) 8

9 Fluxograma do Algoritmo Genético Técnicas de Mutação: Troca; Inversão; Inserção; Técnica Híbrida; Gressler (2012) 9

10 Fluxograma do Algoritmo Genético Gressler (2012) 10

11 Roteiro Introdução Algoritmos Genéticos Paralelização do AG Apresentação dos Resultados Preliminares Considerações Finais 11

12 Paralelização do AG Paralelização foi feita da seguinte maneira (GRESSLER, 2012): Foram definidas duas regiões paralelas: Na perpetuação dos melhores indivíduos Diretiva sections/section Nas chamadas às funções Cruzamento e Avaliação na concepção de uma nova geração Diretiva parallel for 12

13 Roteiro Introdução Algoritmos Genéticos Paralelização do AG Apresentação dos Resultados Preliminares Especificação dos Parâmetros Verificação do Impacto das Políticas de Escalonamento de Iterações Análise Preliminar da Escalabilidade do Algoritmo Genético Paralelo Comparação entre os Resultados Obtidos nas Arquiteturas Considerações Finais 13

14 Especificação dos Parâmetros Foram testadas instâncias do Benchmark de Christofides c50 instância com 50 cidades c100 instância com 100 cidades Parâmetros utilizados nos testes (GRESSLER, 2012): Tamanho da população: N x 10; Número de Evoluções: N x N x 10; Técnica de cruzamento: 1 ponto; Taxa de mutação: variação entre 4 a 10%; Técnica de mutação: randômica; 14

15 Especificação dos Parâmetros - i7 Possui um processador Intel Core i7-3517u 1.90GHz com dois núcleos físicos e dois lógicos; Para cada configuração foi executado 30 repetições; Parâmetros do teste: Número de threads: de 2 a 8; Valores da política de escalonamento de iterações: Static 15

16 Especificação dos Parâmetros - Xeon Possui dois processadores Intel Xeon E com frequência de 2.80 GHz, cada um com 8 núcleos físicos e Hyper-threading; A coleta foi repetida 30 vezes para cada configuração; Parâmetros dos testes: Número de threads: 2, 4, 8, 16, 32 e 64; Valor da política de escalonamento de iterações: Static; 16

17 Tempo (s) Xeon: c50 - Análise preliminar da escalabilidade do Algoritmo Genético 16,0 14,0 13,6 12,0 10,0 8,0 6,0 4,0 5,3 4,4 3,2 2,6 1,6 3,1 3,7 2,0 0, Número de Threads 17

18 Tempo (s) Xeon: c50 - Análise preliminar da escalabilidade do Algoritmo Genético 16,0 14,0 0,3 13,6 12,0 10,0 8,0 6,0 4,0 5,3 1,2 4,4 1,6 3,2 2,0 2,6 1,6 1,4 3,1 3,7 2,0 0, Número de Threads 18

19 Tempo(s) Xeon: c100 - Análise preliminar da escalabilidade do Algoritmo Genético Número de Threads 19

20 Tempo(s) Xeon: c100 - Análise preliminar da escalabilidade do Algoritmo Genético , , , ,5 2,6 2, Número de Threads 20

21 Speedup Comparação entre os Resultados Obtidos nas Arquiteturas c50: i7 Xeon 2,50 2,04 2,00 1,63 1,69 1,50 1,43 1,45 1,42 1,00 1,21 0,50 0,55 0,38 0, Número de Threads 21

22 Speedup Comparação entre os Resultados Obtidos nas Arquiteturas c100: i7 Xeon 3 2,5 2,11 2,56 2,64 2,54 2 1,56 1,71 1,5 1,39 1 0,93 0,92 0, Número de Threads 22

23 Roteiro Introdução Algoritmos Genéticos Paralelização do AG Apresentação dos Resultados Obtidos Considerações Finais Conclusões e Trabalhos Futuros Cronograma de Atividades Publicações Aceitas Durante a Elaboração do Trabalho 23

24 Conclusões e Trabalhos Futuros Foi observado um aumento no desempenho quando o AG foi executado numa arquitetura mais robusta; Da mesma forma, é possível ver a influência do overhead de paralelização nas execuções; Para trabalhos futuros: Serão realizados testes com as demais instâncias do benchmark Análise da escalabilidade e de possibilidades de melhoria do desempenho 24

25 Referências CHAPMAN B; JOST B; VAN DER PASS R; Using OpenMP. Cambridge, MA, Estados Unidos: Massachusetts Institute of Technology, ROSA. M. F. G. ; CERA, Márcia C. Análise do desempenho do Algoritmo Genético paralelizado com OpenMP. Anais do XXVI Congresso Regional de Iniciação Científica e Tecnologica em Engenharia, 2014, Alegrete - RS. p LINDEN, R. Algoritmos Genéticos. Rio de Janeiro, RJ, Brasil: Ciência Moderna, 3ª Edição, Citado 4 vezes nas páginas 17, 20 e 27. GRESSLER, H. O. ; CERA, Márcia C. O Impacto da paralelização com OpenMP no desempenho e na qualidade das soluções de um algoritmo genético. Revista Brasileira de Computação Aplicada, Passo Fundo, v. 6, n. 2, p ,

26 Muito obrigado pela atenção! Perguntas? Mateus Fontoura Gomes da Rosa, Márcia Cristina Cera