چکیده مقاله
مورچه ها در طبیعت برای یافتن غذا با یکدیگر از طریق جاگذاری فرومون 3 به عنوان راهنمایی به سمت منبع غذایی همکاری میکنند الگوریتم بهینه سازی کلنی مورچه ها بر اساس همین اصل کار میکند در این الگوریتم مورچه های شبیه سازی شده، راه حلی را برای جواب مسئله می سازند و مقادیر فرومون برای دستیابی به جواب بهتر بروزرسانی میشوند ما این الگوریتم را برای مسئله فروشنده دوره گرد 4 به کار می گیریم در این مسئله هدف پیدا کردن کوتاه ترین مسیر بین یک مجموعه از شهرها است، به گونه ای که از هر شهر باید دقیقا یک بار عبور کرد الگوریتم بهینه سازی کلنی مورچه برای این مسئله با توجه به فضای بزرگ جستجوی آن بسیار مناسب است به عنوان مثال با وجود مسئله ای با تعداد 50 شهر تعداد مسیرهای ممکن بیشتر از تعداد اتم های کشف شده در جهان میباشد ما الگوریتم بهینه سازی کلنی مورچه را با استفاده از Nvidia CUDA اجرا میکنیم تا بتوانیم از مزایای واحدهای پردازش گرافیکی 0 در اجرای موازی الگوریتم بهرهمند شویم GPU ها اجازه میدهند که چندین نخ اجرایی به صورت موازی اجرا شوند و این نخها در داخل بلوکهای نخ سازماندهی میشوند به ازای هر مورچه ای که مسئول نگهداریاطلاعات حالت و وضعیت تولید کننده مسیر است یک بلوک نخ ایجاد میکنیم تعداد نخهای موجود در هر بلوک نخ یک فاکتور حیاتی میباشد به عنوان مثال تعداد 64 نخ در هر بلوک نسبت به 32 نخ در کاربردهای CUDA بهتر عمل میکند برای مسئله ای با حدود 1291 شهر، بیش از ده فاکتور برای سرعت عملکرد و تسریع وجود دارد
کلیدواژهها
نویسندگان
مجید شعبانی نژاد
مقاله پیاده سازی الگوریتم بهینه سازی کلنی مورچه با CUDA
شیوه ارجاع
�عبانی نژاد، مجید،1395،پیاده سازی الگوریتم بهینه سازی کلنی مورچه با CUDA،دومین کنفرانس بین المللی یافته های نوین پژوهشی در مهندسی برق و علوم کامپیوتر،رامسر
ارائهشده در
مجموعه مقالات دومین کنفرانس بین المللی یافته های نوین پژوهشی در مهندسی برق و علوم کامپیوتر24 اردیبهشت 1395 · رامسر