Darwin: uma framework de otimização clusterizável

Henrique A. Rusa, Kleber Kruger, R. Azevedo
{"title":"Darwin: uma framework de otimização clusterizável","authors":"Henrique A. Rusa, Kleber Kruger, R. Azevedo","doi":"10.5753/eradsp.2020.16898","DOIUrl":null,"url":null,"abstract":"Neste artigo apresentamos Darwin, uma ferramenta de otimização de aplicações a partir do uso de algoritmos meta-heurísticos. A ferramenta dispõe de três otimizações: algoritmo genético, particle swarm e evolução diferencial. Conta também com dois backends para execução, o primeiro focado no uso de um cluster e o segundo no uso de recursos computacionais locais. Utilizou-se o simulador de arquitetura x86 Sniper com o benchmark Parsec, otimizando-se parâmetros de cache, para validar a ferramenta desenvolvida. Ao final, avalia-se que a ferramenta permite a otimização utilizando somente algoritmos de forma simplificada e paralelizável.","PeriodicalId":137925,"journal":{"name":"Anais da XI Escola Regional de Alto Desempenho de São Paulo (ERAD-SP 2020)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-08-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais da XI Escola Regional de Alto Desempenho de São Paulo (ERAD-SP 2020)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eradsp.2020.16898","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Neste artigo apresentamos Darwin, uma ferramenta de otimização de aplicações a partir do uso de algoritmos meta-heurísticos. A ferramenta dispõe de três otimizações: algoritmo genético, particle swarm e evolução diferencial. Conta também com dois backends para execução, o primeiro focado no uso de um cluster e o segundo no uso de recursos computacionais locais. Utilizou-se o simulador de arquitetura x86 Sniper com o benchmark Parsec, otimizando-se parâmetros de cache, para validar a ferramenta desenvolvida. Ao final, avalia-se que a ferramenta permite a otimização utilizando somente algoritmos de forma simplificada e paralelizável.
达尔文:一个可聚类优化框架
在本文中,我们提出了Darwin,一个基于元启发式算法的应用程序优化工具。该工具有三种优化:遗传算法、粒子群和差异进化。它还有两个执行后端,第一个专注于集群的使用,第二个专注于本地计算资源的使用。我们使用x86狙击手架构模拟器与秒差距基准,优化缓存参数,以验证所开发的工具。最后,我们评估了该工具只允许以简化和并行的方式使用算法进行优化。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信