مقاله پیاده‌سازی موازی الگوریتم زنبور عسل

پیاده‌سازی موازی الگوریتم زنبور عسل بر روی GPU

**توجه**

1- این فایل توسط گروه مهندسین برتر(فایل یار) نگارش شده است استفاده از فایل فقط برای خریدار ان مجاز می باشد و هرگونه استفاده برای کسانی که فایل خریداری ننموده اند شرعا حرام و قابل پیگیری حقوقی می باشد.

2-این فایل دارای گارانتی ویرایش یک مرتبه  برای خریدار آن می باشد.

در فرمت ورد و قایل ویرایش با فونت نازنین 14 و فاصله بین خطوط یک سانتی متر

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 عسل CUBA( یعنی الگوریتم زنبور عسل مبتنی بر CUDA) را برای اجرا در(الگوریتم زنبو مبتنی بر CUDS)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.

کلیدواژه:الگوریتم زنبور عسل، الگوریتم زنبور عسل موازی، هوش گروهی، GPGPU، CUDA.

بهینه‌سازی کلونی زنبورعسل

در واقع سیستم‌های طبیعی متعددی مانند کلونی زنبور عسل و کلونی مورچه وجود دارد که موجودات زنده تنها می‌توانند در آنها سیستم‌هایی را ایجاد کنند که توانایی امکان وظایف پیچیده را از تعامل دینامیک با همدیگر بدست خواهند آورد. در کل کلونی زنبور عسل از سه نوع زنبور بالغ تشکیل شده است: کارگردان، زنبورهای نر و یک ملکه. گرچه هر عضو در کلونی زنبور عسل یک وظیفه پیش فرض دارد اما بسیاری از زنبورهای کارگر باید همکاری کنند تا کارها تکمیل شوند ؛ مانند اشیانه‌سازی، یافتن و جمع‌اوری غذا و پرورش لارها. علاوه بر این زنبورها نمی‌توانند بدون حمایت کلونی به حیات خود ادامه دهند . بنابراین بقا و تولیدمثل به ترکیب تلاش‌های کل کلونی نیاز دارند.

کلونی برای انجام برداشت، بصورت انتخابی از منابع شهد موجود در منطقه برداشت خواهد کرد. این فرایند با ارسال زنبورهای پیشاهنگ برای جستجو به دنبال دسته گل امیدوارکننده صورت می‌گیرد. زنبورهای پیشاهنگ بصورت تصادفی از یک دسته به دسته دیگر می‌روند. زنبورهای پیشاهنگ به کندو باز می‌گردند و آنهایی که یک دسته با رتبه بالاتر از آستانه خاص کیفیت را پیدا کرده‌اند، شهد یا گرده خود را خالی کرده و به سالن رقص می‌روند تا رقص معروف به «Waggle dance» را انجام دهند. این رقص اسرارآمیز برای ارتباط کلونی حیاتی است و سه قطعه اطلاعاتی را در رابطه با یک دسته گل در خود دارد: جهت یافتن گل، فاصله آن از کندو و درجه‌بندی کیفیت آن. نویسندگان منابع 2 و 38 مفهوم بهینه‌سازی کلونی زنبور را خلاصه‌وار بیان کرده‌اند در حالی که نوینسدگان 6، 39 و 40 آنرا با جزئیات بیشتر توضیح داده‌اند.

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

1. 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

4.  تحلیل و نتایج آزمایش

1. توابع الگوبرداری

1. تحلیل و نتیجه

1. تحلیل nep

1. تحلیل تعداد کلونی‌ها
   1. تحلیل تعداد زنبورها

1. توانمندی و افزایش سرعت

4. نتیجه‌گیری و فعالیت‌های آتی

لینک دانلود پاورپوینت این مقاله :

http://fileyar.ir/product-282-Bees-Algorithm-implementation-on-GPU.aspx