استفاده از رویکرد تکاملی جهت کاشی بندی و تولید کد موازی برای حلقه های دو سطحی
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 735
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0294
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
برای دستیابی به بالاترین کارآیی، ساخت ابررایانه ها جهت اجرای موازی برنامه های ترتیبی، گسترش یافته است. امانوشتن برنامه های موازی کاری زمانبر و پرهزینه است و بیشتر برنامه های مهم و کاربردی به صورت ترتیبی هستند. در اینراستا برای تبدیل خودکار کد ترتیبی به کد موازی گسترش یافتند. ابرمترجم ها بیشتر اوقات موازی سازی حلقه هایمحاسباتی را مدنظر قرار می دهند. کاشی بندی یکی از تبدیلات مهم در بهینه سازی حلقه ها است، اما ممکن است کاشیانتخاب شده در مرحله ی کاشی بندی، زمان اجرای موازی را افزایش داده و اهداف بهینه سازی را برآورده نکند، بنابراین بهتراست در هنگام کاشی بندی به مسئله ی زمانبندی نیز توجه شود تا کاشی انتخاب شده تا پایان تولید کد موازی کاراییخوبی داشته و اهداف موازی سازی را برآورده کند. در این راستا برای دستیابی به حداکثر موازی سازی نیاز به روشی برایادغام دو مرحله کاشی بندی و زمان بندی احساس می شود. بنابراین در این مقاله، مسئله کاشی بندی را به یک مسئله یبهینه سازی محدودیت دار با چند تابع هدف مدل کرده و از الگوریتم ژنتیک با مرتب سازی نامغلوب برای حل آن استفادهکردیم. راهکار پیشنهادی ارائه شده در این مقاله با تعدادی از راهکارهای کاشی بندی موجود مقایسه شده است. با توجه بهنتایج آزمایشها، راهکار ارائه شده، به اهداف بهینه سازی همگرا بوده و الگوریتم در طول اجراهای مختلف از پایداری مناسبیبرخوردار است. همچنین این الگوریتم در مقایسه با سایر راهکارها، هیچ محدودیتی در افزودن ویژگی یا تابع هدف جدیدندارد.
Keywords:
Authors
سیما جهانی
دانشآموخته کارشناسی ارشد - گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه تبریز
شهریار لطفی
استادیار گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه تبریز
آرزو جهانی
دانشجوی دکترای مهندسی فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :