یکنواخت سازی فضای تکرار غیر یکنواخت در موازی سازی حلقه های تودرتو با استفاده از یک رویکرد تکاملی
Publish place: 12th Iranian Student Conference on Electrical Engieering
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,553
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE12_152
تاریخ نمایه سازی: 29 اسفند 1387
Abstract:
موازی سازی حلقه ها در محاسبات علمی که در صنعت کاربرد زیادی دارند، مسئله مهمی میباشد. در کل موازی سازی حلقه های تودرتو با وابستگیهای تکرار-متقابل غیر یکنواخت، سخت است. برای موازیسازی حلقه های تودرتو ابتدا باید وابستگیهای دادهای در بین تکرارهای حلقه مشخص شود. حاصل این تحلیل، بردارهای وابستگی بین تکرارهای حلقه در فضای تکرارهای حلقه است. برای تسهیل در تولید کد موازی حلقه های تودرتو بهتر است فضای غیر یکنواخت تکرار حلقهها به فضای یکنواخت با بردارهای پایه و ثابت تبدیل شود. هدف، کاهش این بردارها در فضای جدید است و اندازه مخروط وابستگی بردارهای پایه کمینه باشد. در این مقاله، یک روش جدید با بهکارگیری یک رویکرد تکاملی برای یکنواختسازی فضای تکرار غیر یکنواخت برای غلبه بر مشکلات در موازیسازی یک حلقه تودرتوی دو بعدی ارایه شده است. اساس روش ارایه شده، بر روی مفهوم تجزیه بردار است؛ به طوریکه، یک مجموعه ساده و کوچکی از وابستگیهای پایه برای پوشاندن همه وابستگیهای غیر یکنواخت ممکن در حلقه تودرتو جستجو میشود. در روشهای قبلی بردارهای پایه، بیشتر بهصورت بردارهای یکه و یا بردارهایی با مولفه x منفی بودند. بهعبارت دیگر، به جهت بردارها توجهی نشده است. ولی در روش ارایه شده در این مقاله، این ایرادها برطرف شده است.
Keywords:
الگوریتمهای ژنتیک , تجزیه بردار , فضاهای تکرار یکنواخت و غیر یکنواخت حلقه , موازیسازی حلقه , یکنواختسازی
Authors
سهیلا نوبهاری کوزه کنان
دانشگاه آزاد اسلامی واحد شبستر
شهریار لطفی
دانشگاه تبریز گروه علوم و کامپیوتر
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 :