×

多核CPU和/或GPU上帕累托优势排序的非支配排序过程。 (英语) Zbl 1382.90099

摘要:进化多目标优化算法旨在寻找Pareto集的近似值。对于具有许多冲突目标的难以解决的问题,用于表示Pareto前沿的函数求值的数量可能很大,而且很耗时。并行计算可以减少此类算法的挂机时间。以前的研究涉及特定进化算法的并行化。在本研究中,我们致力于改进最耗时的程序之一——非支配排序,该程序用于最先进的多目标遗传算法。这里,开发了非支配排序过程的三个并行版本:(1)多核(基于Pthreads);(2) 图形处理单元(GPU)(基于CUDA接口);(3)混合(基于Pthreads和CUDA)。用户可以根据可用的硬件选择最合适的选项来高效计算非支配排序过程。结果表明,GPU的使用计算在性能方面提供了实质性的改进。当内核和GPU之间建立了良好的负载平衡时,混合方法具有最佳性能。

MSC公司:

90C29型 多目标规划
90 C59 数学规划中的近似方法和启发式
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Aguirre,H.,Oyama,A.,Tanaka,K.:进化多目标优化的自适应\[varepsilon\]ε-采样和\[varebsilon\]ε-罩。在:进化多准则优化,LNCS,第7811卷,第322-336页。柏林施普林格出版社(2013)
[2] Arrondo,A.,Redondo,J.,Fernández,J.,Ortigosa,P.:非线性多目标优化算法的并行化:在定位问题中的应用。申请。数学。计算。255114-124(2015年)·兹比尔1338.90210
[3] Butenhof,D.:使用POSIX线程编程。专业计算系列。Addison-Wesley,波士顿(1997)
[4] Cook,S.:《CUDA编程:使用GPU进行并行计算的开发人员指南》,第1版。Morgan Kaufmann Publishers Inc.,旧金山(2013)
[5] Corne,D.W.,Jerram,N.R.,Knowles,J.D.,Oates,M.J.:PESA-II:进化多目标优化中基于区域的选择。收录于:GECCO,第283-290页(2001)
[6] Deb,K.:遗传算法的一种有效约束处理方法。计算。方法应用。M.186(2),311-338(2000)·Zbl 1028.90533号 ·doi:10.1016/S0045-7825(99)00389-8
[7] Deb,K.,Pratap,A.,Agarwal,S.,Meyarivan,T.:一种快速的精英多目标遗传算法:NSGA-II。IEEE T.演变。计算。6(2), 182-197 (2002) ·数字对象标识代码:10.1109/4235.996017
[8] Deb,K.,Sundar,J.,Udaya Bhaskara Rao,N.,Chaudhuri,S.:使用进化算法的基于参考点的多目标优化。国际期刊计算。智力。第2(3)号决议,273-286(2006)·doi:10.5019/j.ijcir.2006.67
[9] Deb,K.,Thiele,L.,Laumanns,M.,Zitzler,E.:可扩展多目标优化测试问题。收录于:CEC,第1卷,第825-830页(2002年)
[10] Deb,K.,Tiwari,S.:Omni-optimizer:单目标优化程序。摘自:进化多准则优化,第47-61页。柏林施普林格出版社(2005)·Zbl 1109.68592号
[11] Du,J.,Cai,Z.:一种基于排序的算法,用于在多目标优化中找到非支配集。收录于:ICNC,第4卷,第436-440页。IEEE(2007)
[12] Fang,H.,Wang,Q.,Tu,Y.C.,Horstemeyer,M.F.:进化算法的有效非支配排序方法。进化。计算。16(3), 355-384 (2008) ·doi:10.1162/evco.2008.16.3.355
[13] Filatovas,E.,Kurasova,O.,Sindhya,K.:使用进化算法的基于参考点的多目标优化。Informatica 26(1),33-50(2015)·doi:10.15388/Informatica.2015.37
[14] Fonseca,C.M.,Fleming,P.J.等人:多目标优化的遗传算法:公式化讨论和泛化。载于:ICGA,第93卷,第416-423页。Morgan Kaufmann Publishers Inc.,旧金山(1993)
[15] Gupta,S.,Tan,G.:GPU上多目标优化进化算法的可扩展并行实现。摘自:CEC,第1567-1574页。IEEE(2015)
[16] Hennessy,J.,Patterson,D.:《计算机体系结构-定量方法》,第5版。Morgan Kaufmann,Burlington(2012年)·Zbl 0752.68014号
[17] Huband,S.,Hingston,P.,Barone,L.,While,L.:多目标测试问题和可扩展测试问题工具包的综述。IEEE T.演变。计算。10(5),477-506(2006)·Zbl 1109.68603号 ·doi:10.1109/TEVC.2005.861417
[18] Ishibuchi,H.,Sakane,Y.,Tsukamoto,N.,Nojima,Y.:利用NSGA-II和MOEA/D进行大种群的进化多目标优化。收录于:IEE SMC,第1758-1763页。IEEE(2009)
[19] Jensen,M.T.:降低多目标EA的运行时复杂性:NSGA-II和其他算法。IEEE T.演变。计算。7(5), 503-515 (2003) ·doi:10.1109/TEVC.2003.817234
[20] Knowles,J.D.,Corne,D.W.:使用帕累托存档进化策略近似非支配前沿。进化。计算。8(2), 149-172 (2000) ·doi:10.1162/10636560056868167
[21] Lančinskas,A.,Żilinskas,J.:在大规模计算系统上使用并行NSGA-II解决多目标竞争设施选址问题。摘自:第422-433页,PARA。柏林施普林格出版社(2013)
[22] Laumanns,M.,Thiele,L.,Deb,K.,Zitzler,E.:结合进化多目标优化中的收敛性和多样性。进化。计算。10(3), 263-282 (2002) ·doi:10.1162/106365602760234108
[23] McClymont,K.,Keedwell,E.:演绎排序和爬升排序:非支配排序的新方法。进化。计算。20(1), 1-26 (2012) ·doi:10.1116/EVCO_a_00041
[24] Miettinen,K.:非线性多目标优化。柏林施普林格(1999)·Zbl 0949.90082号
[25] Munshi,A.,Gaster,B.,Mattson,T.G.,Fung,J.,Ginsburg,D.:OpenCL编程指南,第1版。Addison-Wesley Professional,波士顿(2011)
[26] NVIDIA Corporation:CUDA C编程指南PG-02829-001_v7.5(2015)。http://docs.nvidia.com/cuda/pdf/cuda_C_Programming_Guide
[27] Ortega,G.、Lobera,J.、García,I.、Arroyo,M.P.、Garzón,E.M.:基于多图形处理单元簇的3D亥姆霍兹方程的并行分辨率。并发协议。例27(13),3205-3219(2015)·doi:10.1002/cpe.3212
[28] Sharma,D.,Collet,P.:用于多目标优化的基于GPGPU兼容存档的随机排名进化算法(g-asrea)。摘自:《自然中的并行问题解决》,PPSN XI,第111-120页。柏林施普林格出版社(2010)
[29] Sharma,D.,Collet,P.:大规模并行多目标优化的实现技术。在:GPGPU上的大规模并行进化计算,第267-286页。柏林施普林格出版社(2013)
[30] Shi,C.,Chen,M.,Shi,Z.:一种快速的非支配排序算法。载于:国际神经网络,第3卷,第1605-1610页。IEEE(2005年)
[31] Smutnicki,C.,Rudy,J.,Żelazny,D.:非常快速的非支配排序。Decis公司。制造商。制造和维修。8(1-2), 13-23 (2014) ·Zbl 1349.90747号
[32] Srinivas,N.,Deb,K.:在遗传算法中使用非支配排序的多目标优化。进化。计算。2(3), 221-248 (1994) ·doi:10.1162/evco.1994.2.3.221
[33] Suh,J.W.,Kim,Y.:用GPU计算加速MATLAB:示例入门,第1版。Morgan Kaufmann Publishers Inc.,旧金山(2013)
[34] Tang,S.,Cai,Z.,Zheng,J.:构建非支配集的快速方法:Arena原理。收录于:ICNC,第1卷,第391-395页(2008年)
[35] Wong,M.L.:图形处理单元上的并行多目标进化算法。收录于:GECCO,第2515-2522页。ACM(2009)
[36] Zhang,Q.,Li,H.:Moea/d:基于分解的多目标进化算法。IEEE T.演变。计算。11(6), 712-731 (2007) ·doi:10.1109/TEVC.2007.892759
[37] Zhang,X.,Ye,T.,Cheng,R.,Jin,Y.:进化多目标优化中非支配排序的有效方法。IEEE T.演变。计算。19(2) (2012)
[38] 郑,J.,Ling,C.X.,Shi,Z.,Xie,Y.:关于莫加的一些讨论:个体关系,非支配集,以及在自动谈判中的应用。收录于:CEC,第1卷,第706-712页。IEEE(2004)
[39] Zitzler,E.,Künzli,S.:多目标搜索中基于指示符的选择。摘自:Nature-PPSN VIII中的并行问题解决,第832-842页。斯普林格(2004)
[40] Zitzler,E.,Laumanns,M.,Thiele,L.:SPEA2:改进强度帕累托进化算法。苏黎世ETH计算机工程与网络实验室(TIK)技术代表103(2001)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。