МИНОБРНАУКИ РОССИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«ИЖЕВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

им. М.Т. КАЛАШНИКОВА»

Решение задачи метаногенеза с использованием параллельной реализации генетического алгоритма

(пояснительная записка к курсовой работе по дисциплине «Параллельное и распределенное программирование»)

УТВЕРЖДАЮ

Зав. кафедрой МОИС

д.т.н., профессор И.Г. Русяк

Руководитель работы

инж.-программист каф. МОИС М.А.Ермолаев

Выполнил

магистрант гр. М02-013-1 А.А. Кропачева

ИЖЕВСК

2014 Содержание

ВВЕДЕНИЕ 4

1. ПАРАЛЛЕЛЬНЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ 5

1.1 Классификация вычислительных систем 5

1.2 Стандарты для распараллеливания программ 8

1.3 Описание схемы параллельного выполнения алгоритма 13

2. ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ 17

2.1 Генетический алгоритм и его особенности 17

2.2 Постановка задачи 19

3. РЕЗУЛЬТАТЫ ЭКСПЕРЕМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ И ИСПЫТАНИЙ 23

3.1 Параллельные вычисления в решении задач метаногенеза 23

3.2 Наложение текстуры на объекты 21

ЗАКЛЮЧЕНИЕ 26

СПИСОК ЛИТЕРАТУРЫ 27

Введение

Одним из примеров задач многокритериальной оптимизации может служить задача метаногенеза, которая относится к классу вычислительно сложных. При представлении процесса метаногенеза необходимо учитывать достаточно большое количество критериев, назначаемая степень важности которых оказывает существенное влияние, как на процесс, так и на качество составляемой модели. Безусловно, полностью повторить работу человеческого мозга при решении многокритериальных задач пока невозможно. Однако это не означает, что автоматические решения, будут уступать им по качеству. Вычислительные мощности современных компьютеров позволяют за небольшое время синтезировать множество вариантов исхода процессов образования метана, опирающихся на разные показатели.

Выход состоит в том, чтобы создавать программные комплексы, которые учитывают архитектурные особенности кластерных вычислителей, разрабатывать новые и совершенствовать существующие методы и алгоритмы анализа и обработки информации.

В первой главе работы рассматриваются применение параллельных вычислительных систем (ПВС). Вторая глава посвящена генетическим алгоритмам, в третьей главе представлены результаты работы.

1. Параллельные вычислительные системы

Вычислительная техника развивается очень быстрыми темпами. Мощности современных персональных компьютеров и рабочих станций сопоставимы с производительностью вчерашних суперкомпьютеров. При этом значительные мощности сконцентрированы в относительно небольшом объеме.

В последнее время, чтобы получить возможность задействовать на практике ту дополнительную вычислительную мощность, которую дает закон Мура, стало необходимо задействовать параллельные вычисления. На протяжении многих лет, производители процессоров постоянно увеличивали тактовую частоту и параллелизм на уровне инструкций, так что на новых процессорах старые однопоточные приложения исполнялись быстрее без каких либо изменений в программном коде. Сейчас по разным причинам производители процессоров предпочитают многоядерные архитектуры, и для получения всей выгоды от возросшей производительности ЦП программы должны переписываться в соответствующей манере. Однако, по фундаментальным причинам, это возможно не всегда.

Термин параллельное программирование означает достаточно широкую область, которая связана с организацией расчетов на вычислительных системах, состоящих из нескольких процессорных устройств. К таким системам относятся многоядерные процессоры, многопроцессорные машины с общей памятью, высокопроизводительные вычислительные кластеры с распределенной памятью или гибридной архитектурой.