直接

一个大规模并行版本DIRECT的设计与实现。本文描述了一个全局搜索算法DIRECT的几种大规模并行实现。两种并行方案采用不同的方法来解决DIRECT的内存需求和数据依赖性所带来的设计挑战。在拓扑结构、数据结构和任务分配三个方面进行了详细的比较。目标是分析研究这些并行方案的优点和缺点,找出导致效率低下的几个主要原因,并通过实验评估最新并行直接实现中的一些改进。性能研究表明,在2200处理器集群上,数据结构效率和负载平衡得到了改善。


zbMATH中的参考文献(参考 58篇文章 参考,1标准件)

显示第1到第20个结果,共58个。
按年份排序(引用)
  1. Larson,Jeffrey;Menickelly,Matt;Wild,Stefan M.:无导数优化方法(2019年)
  2. 用Barkalov统一算法求解全局收敛问题
  3. Bradford,Eric;Schweidtmann,Artur M.;Lapkin,Alexei:采用高斯过程、光谱采样和遗传算法的高效多目标优化(2018)
  4. Campana,E.F.;Diez,M.;Liuzzi,G.;Lucidi,S.;Pellegrini,R.;Piccialli,V.;Rinaldi,F.;Serani,A.:船体优化的多目标直接算法(2018年)
  5. 康塞斯,埃里克(编辑);弗里塞克,杰罗(编辑);赫尔盖克,特里格夫-乌尔夫(编辑);林,林(编辑):量子化学中的数学方法。2018年3月18日至24日(2018年)研讨会摘要
  6. Fernandan P.M.Costa全球优化方法;基于Fernandan P.M.C.的直接优化方法;Fernandan A.M.G.Roches,2018年版
  7. Endres,Stefan C.;Sandrock,Carl;Focke,Walter W.:Lipschitz优化的简单同调算法(2018)
  8. Larson,Jeffrey;Wild,Stefan M.:用于寻找多个最小值的异步并行优化解算器(2018)
  9. Mockus,Jonas;Paulavičius,Remigijus;Rusakevičius,Dainius;šešok,Dmitrij;Žilinskas,Julius:简化集Pareto-Lipschitz优化在桁架优化中的应用(2017)
  10. Scitovski,Rudolf:对称Lipschitz连续函数的新全局优化方法及其在搜索一维集的全局最优划分中的应用(2017)
  11. 陶庆华;黄晓林;王顺宁;李莉:自适应块坐标直接算法(2017)
  12. Baeyens,Enrique;Herreros,Alberto;Perán,JoséR.:用于全局优化的直接搜索算法(2016)
  13. Barkalov,Konstantin;Gergel,Victor:GPU上的并行全局优化(2016)
  14. Campana,Emilio F.;Diez,Matteo;Iemma,Umberto;Liuzzi,Giampaolo;Lucidi,Stefano;Rinaldi,Francesco;Serani,Andrea:使用直接算法的全局/局部杂交的无导数全局船舶设计优化(2016)
  15. Di Pillo,G.;Liuzzi,G.;Lucidi,S.;Piccialli,V.;Rinaldi,F.:无导数约束全局优化的直接型方法(2016)
  16. Larson,Jeffrey;Wild,Stefan M.:用于寻找多个局部最小值的批处理无导数算法(2016)
  17. Martínez Frutos,Jesús;Herrero-Pérez,David:多目标优化中约束处理的基于Kriging的填充抽样准则(2016)
  18. Paulavičius,Remigijus;Žilinskas,Julius:带线性约束的Lipschitz优化问题的简单划分优势(2016)
  19. Turkalj,Željko;Markulak,Damir;Singer,Slavica;Scitovski,Rudolf:使用自适应Mahalanobis聚类进行研究项目分组和排名(2016)
  20. Custódio,A.L.;Madeira,J.F.A.:GLODS:使用直接搜索的全局和局部优化(2015)