Обзор и анализ программных продуктов для параллельных вычислений Текст научной статьи по специальности «Компьютерные и информационные науки»

длины. Чтобы понять удовлетворяет ли нас полученное решение можно использовать fitness-функцию. Чем выше ее значение, тем решение лучше. Возьмем за S средний вес ребра, за N количество заданных пунктов и за R полученный вес гамильтонова цикла, тогда наша функция равна (1):

F = S*N-Ga. (1)

Роль оператора скрещивания сыграет упорядоченный оператор кроссинговера. Рассмотрим более подробно принципы его работы. Выбирается пара родителей и создается новая особь, в которую помещается половина хромосомы одного из родителей, а затем, если в новой особе нет гена из другого родителя, то он добавляется к нему. Такой принцип выгодно использовать, чтобы избежать повтора генов.

На этапе мутации можно использовать несколько операторов, к примеру, разбить хромосому на части и поменять их местами, либо случайно выбрать два гена и поменять местами, также можно поменять местами все гены [2,10]. Для получения направленной эволюции необходимо использовать операторы выбора лучших и худших особей, размера популяции, а также удаление повторяющихся особей.

Генетический алгоритм является комбинированным методом решения задачи коммивояжера. За реализацию переборного метода отвечают скрещивание и мутация особей. Отбор лучших особей реализует метод градиентного спуска [3, 50-55]. Помимо данного достоинства, генетический алгоритм может быть легко распараллелен и даже совмещен с использованием нейронных сетей, что также является его плюсами и доказывает актуальность его практического применения в задаче коммивояжера.

Список литературы

1. Гладков Л.А., Курейчик В.В., Курейчик В.М. // Генетические алгоритмы. М.: Физматлит, 2006.

2. Kumar Rakesh, Kumar Mahesh. Global Journal of Computer Science and Technology / Vol. 10. Issue 11 (Ver. 1.0). October 2010. Р. 8-12.

3. Батищев Д.И. Генетические алгоритмы решения экстремальных задач / Под ред. Львовича Я.Е.: Учеб. пособие. Воронеж, 1995.

ОБЗОР И АНАЛИЗ ПРОГРАММНЫХ ПРОДУКТОВ ДЛЯ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ Гоголев Е.С.

Гоголев Евгений Сергеевич - студент магистратуры, факультет прикладной математики и информатики, Московский авиационный институт, УЦ «Интеграция», г. Серпухов

Аннотация: в статье рассмотрены и проанализированы два программных продукта, выявлены их достоинства и недостатки. Это программы CUDA и ROOT/PRooF. Ключевые слова: параллельные вычисления, параллельное программирование, анализ.

CUDA (Compute Unified Device Architecture) - программно-аппаратная архитектура параллельных вычислений, благодаря которой можно увеличить вычислительную производительность из-за применения графических процессоров фирмы NVIDIA [1].

CUDA SDK позволяет программистам реализовывать на специальном упрощённом диалекте языка программирования Си алгоритмы, выполнимые на графических процессорах NVIDIA, и включать специальные функции в текст программы на Си. Архитектура CUDA даёт разработчику возможность по своему

7

усмотрению организовывать доступ к набору инструкций графического ускорителя и управлять его памятью.

В архитектуре CUDA используется модель памяти грид, кластерное моделирование потоков и SIMD-инструкции. Применима не только для высокопроизводительных графических вычислений, но и для различных научных вычислений с использованием видеокарт nVidia. Ученые и исследователи широко используют CUDA в различных областях, включая астрофизику, вычислительную биологию и химию, моделирование динамики жидкостей, электромагнитных взаимодействий, компьютерную томографию, сейсмический анализ и многое другое. В CUDA имеется возможность подключения к приложениям, использующим OpenGL и Direct3D. CUDA - кроссплатформенное программное обеспечение для таких операционных систем как Linux, Mac OS X и Windows.

После обзора и анализа данного продукта были выявлены как достоинства программы, так и недостатки.

Итак, преимущества данной программы:

- Интерфейс основан на стандартном языке программирования Си, что упрощает процесс изучения архитектуры.

- Разделяемая между потоками память (shared memory) размером в 16 Кб может быть использована под организованный пользователем кэш с более широкой полосой пропускания, чем при выборке из обычных текстур.

- Более эффективные транзакции между памятью центрального процессора и видеопамятью.

- Полная аппаратная поддержка целочисленных и побитовых операций.

- Поддержка компиляции GPU кода средствами открытого LLVM.

Недостатки были обнаружены следующие:

- Сложность программирования для CUDA.

- Привязка именно к картам NVidia.

- Вложенный механизм распараллеливания функций и запуска потоков, особенности работы с памятью, конфигурацию оборудования.

- Bottlenecked скорости в шине между CPU и GPU.

- Скептическое отношение сообщество по отношению к CUDA.

- Малое количество разработчиков.

- Функции не поддерживают рекурсии.

Другое программное средство для параллельных вычислений, которое было рассмотрено это ROOT/PRooF.

ROOT представляет собой объектно-ориентированную среду для анализа и визуализации данных. В её состав входит множество компонентов и инструментов, позволяющих:

- построение гистограмм, графиков и функций;

- «подгонку» теоретических кривых под экспериментальные данные и минимизацию функций;

- обработку изображений;

- доступ к базам данных;

- использование нейронных сетей;

- хранение и обработка больших объемов данных;

- выполнять математические вычисления благодаря встроенным математическим библиотекам;

- параллельные вычисления благодаря PROOF;

- интегрировать с Mathematica, Ruby, Python.

Также хочется отметить, что для написания скриптов используется язык программирования C++. Это позволяет пользователям, знакомым с этим языком, не тратить время на изучение специального языка, а сразу приступить к работе с ROOT. Включение в пакет интерпретатора C++ CINT значительно увеличило гибкость

8

пакета, так как позволило использовать средства ROOT в интерактивном режиме или посредством написания скриптов.

Немаловажным фактором является бесплатность и кроссплатформенность ROOT, а также наличие посторонних библиотек. Впрочем, и саму ROOT можно использовать как библиотеку для написания своих программ.

Хочется отметить постоянную и полную поддержку разработчиками. ROOT постоянно обновляется. На сайте можно найти полное руководство пользователя, множество различных примеров и даже скачать исходные коды системы.

PROOF-кластер строится по стандартной схеме master-slave. Благодаря многоуровневой архитектуре, позволяющей создать иерархию из master и submaster узлов, такой подход может быть легко адаптирован к широкому диапазону виртуальных кластеров, географически распределённых между доменами и гетерогенными машинами (GRID). Клиентом системы является пользователь, который хочет использовать ресурсы сайта, чтобы выполнить свою задачу [2, 67]. Master - это точка входа к вычислительному средству: он разбирает запросы клиента, распределяет работу между ресурсами, собирает и соединяет результаты. Координация работы отдельных серверов достигается за счет использования специального протокола передачи данных PROOF.

Пользователь, работая в сессии программы ROOT, может запускать процессы, которые связываются с PROOF-кластером и подают запросы на обработку заданий. Получив запрос на обработку задания, на мастере и на рабочих узлах для каждой сессии пользователя стартует специальное ROOT-приложение - proofserv [3, 485]. Процесс, исполняющийся на мастере, координирует работу между рабочими узлами и объединяет результаты в единое целое. На рабочих узлах процесс proofserv делает непосредственно вычислительную работу, обрабатывая отдельные задания.

Список литературы

1. Давлеткалиев Рахим. Введение в параллельные вычисления, 2011. [Электронный ресурс]. Режим доступа: http://habrahabr.ru/post/126930/ (дата обращения: 26.04.2017).

2. Tanenbaum Andrew S., Van Steen Maarten. Destributed systems. Principles and paradigms. Санкт-Петербург: Питер, 2003. 877 с. (Классика computer science). ISBN 5-272-00053-6.

3. Amdahl G. Validity of the Single Processor Approach to achieving Large-Scale Computing Capabilities. In: AFIPS Conference Proceedings. Vol. 30. P. 483-485, 1967.

ПРОВЕДЕНИЕ ТЕСТОВ Н1-АНАЛИЗА НА СИСТЕМАХ РАЗНЫХ

МАСШТАБОВ Гоголев Е.С.

Гоголев Евгений Сергеевич - студент магистратуры, факультет прикладной математики и информатики, Московский авиационный институт, УЦ «Интеграция», г. Серпухов

Аннотация: в статье описаны результаты проведения тестового H1-анализа. Данный тест был проведен на многоядерном компьютере, в локальной сети, а также в кластере.

Ключевые слова: многоядерный компьютер, тест, команды, локальная сеть, кластер.