دانلود مقاله مقایسه شتاب الگوریتمهای کرم شب تاب، ذرات، ماهی و خفاش با استفاده از چارچوب کودا
تعداد کلمات فایل انگلیسی:3800 کلمه 10 صفحه word
تعداد صفحات فایل ترجمه:9صفحه word فونت 11 B Nazanin
مقایسه شتاب الگوریتمهای کرم شب تاب، ذرات، ماهی و خفاش با استفاده از چارچوب کودا
چكيده
الگوریتمهای تکاملی به کمک الهام از فرآیندهای موجود در طبیعت و اصول تکاملی سعی مینمایند که بهترین راه‌حل‌های مسائل سخت و دشوار را که غالبا در چارچوب مسائل بهینهسازی مطرح میباشد را محاسبه نمایند. الگوریتمهای تکاملی با فرآیندهای تکراری و جستجو در فضای مسئله راه‌حل‌های نزدیک به راهحل بهینه را محاسبه مینمایند. با افزایش ابعاد و پیچیدگی تابع هدف مسائل بهینهسازی یافتن راه‌حل‌های بهینه با کندی و احتمال همگرایی بیشتر به بهینههای محلی مواجه میشود، که یکی از اهداف ما دستیابی به راه حل‌‌های بهینه با دقت و سرعت بالا است. با توجه با اینکهالگوریتم تکاملی نظیر الگوریتم ذرات، کرمشبتاب، خفاش و ماهی به علت جستجوی مجزای اعضای جمعیت اولیه دارای ماهیتی موازی میباشد که در صورت فراهم بودن این شرایط، سرعت این الگوریتمها را میتوان افزایش داد و تأثیر افزایش اندازه جمعیت اولیه و تعداد تکرار را بر روی زمان اجرای آن‌ها کاهش داد. در این مقالهاین الگوریتمهای تکاملی را به صورت موازی پیاده سازی می‌کنیم. جهت موازیسازی و افزایش سرعت الگوریتمهای تکاملی ذرات، کرمشبتاب، خفاش و ماهی از فناوری جدید موازیسازی کارت گرافیک یا کودا استفاده شده است تا یک نسخه موازی و سریع از این الگوریتمها برای حل مسائل بهینهسازی توسعه داده شود.سپس هر کدام از الگوریتمهای نام‌برده را جداگانه در پردازنده اصلی (سریال) و گرافیگی (موازی) پیاده سازی می‌کنیم و از تعدادی مشخص تابع ارزیابی جهت محاسبه شتاب و سرعت آن‌ها استفاده مینماییم و در نهایت الگوریتمهای موازی شده ذرات، کرم شبتاب، خفاش و ماهی را از نظر دقت و سرعت با هم مقایسه می‌کنیم. نتایج آزمایش‌ها و شبیهسازیهای مختلف نشان میدهد چارچوب کودا میتواند سرعت این الگوریتمها را نسبت به نسخه سریال به مراتب افزایش دهد
واژه های کلیدی:الگوریتم تکاملی، الگوریتم ذرات، الگوریتم کرمشبتاب، الگوریتم ماهی،الگوریتم خفاش، چارچوب کودا
The Comparison among Firefly Algorithm (FA), Particles Swarm Optimization Algorithm (PSOA), Artificial Fish Swarm Algorithm (AFSA), and Bat Algorithm (BA) using Compute Unified Device Architecture (CUDA)
Roya Darabpour[1], Mohammad Khalili[2]
Islamic Azad University, Khomein Branch
Abstract
Evolutionary algorithms try to calculate the best solutions for the difficult problems that are mostly proposed in optimization problems framework by inspiration from the existed processes in nature and evolutionary principles. Evolutionary algorithms calculate the optimum solution by iterative processes and searching in near-to-solution problem space. Finding the optimized solution faces with dullness and more convergence probability to local optimizations by increasing dimensions and sophistication of target function of optimization problems while one of our goals is finding the optimum solutions with high precision and accuracy. Since evolutionary algorithms such as particles swarm optimization algorithm (PSOA), firefly algorithm (FA), bat algorithm (BA), and artificial fish swarm algorithm (AFSA) have parallel nature because ofseparate search for the initial population members. , If these conditions are provided, we can increase the speed of these algorithms and reduce the effect of initial population size and repetitions on execution time. These evolutionary algorithms were executed in parallel in this article. The new parallelizing technic of graphic card or Cuda was used to parallelize and increase speed of PSOA, FA, BA, and AFSA to develop one quick and parallel transcript of these algorithms for optimization problems. Then, each mentioned algorithm was individually executed in central processing unit (series) and graphic processing unit (parallel), and specific number of functions was used to calculate their acceleration and speed. Finally, the parallelized PSOA, FA, BA, and AFSA were compared based on precision and accuracy. The results of various tests and simulations showed that Cuda framework can increase the speed of these algorithms relatively than the speed of series transcript
Keywords: evolutionary algorithm, particle swarm optimization algorithm (PSOA), firefly algorithm (FA), artificial fish swarm algorithm (AFSA), Cuda framework
کد:kh 116
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
.
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله مقایسه شتاب الگوریتمهای کرم شب تاب، ذرات، ماهی و خفاش با استفاده از چارچوب کودا
تعداد کلمات فایل انگلیسی:3800 کلمه 10 صفحه word
تعداد صفحات فایل ترجمه:9صفحه word فونت 11 B Nazanin
مقایسه شتاب الگوریتمهای کرم شب تاب، ذرات، ماهی و خفاش با استفاده از چارچوب کودا
چكيده
الگوریتمهای تکاملی به کمک الهام از فرآیندهای موجود در طبیعت و اصول تکاملی سعی مینمایند که بهترین راه‌حل‌های مسائل سخت و دشوار را که غالبا در چارچوب مسائل بهینهسازی مطرح میباشد را محاسبه نمایند. الگوریتمهای تکاملی با فرآیندهای تکراری و جستجو در فضای مسئله راه‌حل‌های نزدیک به راهحل بهینه را محاسبه مینمایند. با افزایش ابعاد و پیچیدگی تابع هدف مسائل بهینهسازی یافتن راه‌حل‌های بهینه با کندی و احتمال همگرایی بیشتر به بهینههای محلی مواجه میشود، که یکی از اهداف ما دستیابی به راه حل‌‌های بهینه با دقت و سرعت بالا است. با توجه با اینکهالگوریتم تکاملی نظیر الگوریتم ذرات، کرمشبتاب، خفاش و ماهی به علت جستجوی مجزای اعضای جمعیت اولیه دارای ماهیتی موازی میباشد که در صورت فراهم بودن این شرایط، سرعت این الگوریتمها را میتوان افزایش داد و تأثیر افزایش اندازه جمعیت اولیه و تعداد تکرار را بر روی زمان اجرای آن‌ها کاهش داد. در این مقالهاین الگوریتمهای تکاملی را به صورت موازی پیاده سازی می‌کنیم. جهت موازیسازی و افزایش سرعت الگوریتمهای تکاملی ذرات، کرمشبتاب، خفاش و ماهی از فناوری جدید موازیسازی کارت گرافیک یا کودا استفاده شده است تا یک نسخه موازی و سریع از این الگوریتمها برای حل مسائل بهینهسازی توسعه داده شود.سپس هر کدام از الگوریتمهای نام‌برده را جداگانه در پردازنده اصلی (سریال) و گرافیگی (موازی) پیاده سازی می‌کنیم و از تعدادی مشخص تابع ارزیابی جهت محاسبه شتاب و سرعت آن‌ها استفاده مینماییم و در نهایت الگوریتمهای موازی شده ذرات، کرم شبتاب، خفاش و ماهی را از نظر دقت و سرعت با هم مقایسه می‌کنیم. نتایج آزمایش‌ها و شبیهسازیهای مختلف نشان میدهد چارچوب کودا میتواند سرعت این الگوریتمها را نسبت به نسخه سریال به مراتب افزایش دهد
واژه های کلیدی:الگوریتم تکاملی، الگوریتم ذرات، الگوریتم کرمشبتاب، الگوریتم ماهی،الگوریتم خفاش، چارچوب کودا
The Comparison among Firefly Algorithm (FA), Particles Swarm Optimization Algorithm (PSOA), Artificial Fish Swarm Algorithm (AFSA), and Bat Algorithm (BA) using Compute Unified Device Architecture (CUDA)
Roya Darabpour[1], Mohammad Khalili[2]
Islamic Azad University, Khomein Branch
Abstract
Evolutionary algorithms try to calculate the best solutions for the difficult problems that are mostly proposed in optimization problems framework by inspiration from the existed processes in nature and evolutionary principles. Evolutionary algorithms calculate the optimum solution by iterative processes and searching in near-to-solution problem space. Finding the optimized solution faces with dullness and more convergence probability to local optimizations by increasing dimensions and sophistication of target function of optimization problems while one of our goals is finding the optimum solutions with high precision and accuracy. Since evolutionary algorithms such as particles swarm optimization algorithm (PSOA), firefly algorithm (FA), bat algorithm (BA), and artificial fish swarm algorithm (AFSA) have parallel nature because ofseparate search for the initial population members. , If these conditions are provided, we can increase the speed of these algorithms and reduce the effect of initial population size and repetitions on execution time. These evolutionary algorithms were executed in parallel in this article. The new parallelizing technic of graphic card or Cuda was used to parallelize and increase speed of PSOA, FA, BA, and AFSA to develop one quick and parallel transcript of these algorithms for optimization problems. Then, each mentioned algorithm was individually executed in central processing unit (series) and graphic processing unit (parallel), and specific number of functions was used to calculate their acceleration and speed. Finally, the parallelized PSOA, FA, BA, and AFSA were compared based on precision and accuracy. The results of various tests and simulations showed that Cuda framework can increase the speed of these algorithms relatively than the speed of series transcript
Keywords: evolutionary algorithm, particle swarm optimization algorithm (PSOA), firefly algorithm (FA), artificial fish swarm algorithm (AFSA), Cuda framework
کد:kh 116
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
.