پیاده سازی الگوریتم بهینه سازی ازدحام ذرات موازی با کودا در پردازش ابری

الگوریتم بهینه سازی ازدحام ذرات یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه ی دسته به کار گرفته شد. در بهینه سازی ازدحام ذرات ،ذرات در فضای جستجو جاری میشوند . تغییر مکان ذرات در فضای جستجو تحت تاثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین، موقعیت دیگر توده ذرات روی چگونگی جستجوی یک ذره اثر میگذارد. نتیجه ی مدلسازی این رفتار اجتماعی فرآیند جستجویی است که ذرات به سمت نواحی موفق میل میکنند.ذرات از یکدیگر می آموزند و بر مبنای دانش به دست آمده به سمت بهترین همسایگان خود میروند. اساس کار بهینه سازی ازدحام ذرات بر این اصل استوار است که در هرلحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرارگرفته است و بهترین مکانی که در کل همسایگی اش وجود دارد، تنظیم میکند. اجرای الگوریتم بهینه سازی ازدحام ذرات هنگامی که اندازه مساله بزرگ باشد، در پردازنده های محلی یک سیستم بسیار وقتگیر است. در این مقاله، اجرای الگوریتم موازی بهینه سازی ازدحام ذرات بر مبنای کودا در مدل محاسباتی ابری بررسی شده است. نتایج نشان میدهد که اجرای الگوریتم در بستر محاسبات ابری در مقایسه با اجرا بر روی پردازشگرهای اصلی و یا گرافیکی محلی، تا ۸۰ برابر ضریب تسریع را افزایش میدهد.

Keywords:

واحد پردازشی گرافیگی , الگوریتم بهینه سازی ازدحام ذرات , پردازش ابری