Evaluación de rendimiento y presición de metaheurísticas híbridas paralelas en un cluster multicore

En los últimos años las tendencias más relevantes para lograr el diseño de metaheurísticas eficientes han estado acompañadas por estrategias de hibridación y paralelismo. Si bien existen diversos tipos de problemas que actualmente son resueltos de forma aceptable mediante la utilización de algoritmo...

Descripción completa

Detalles Bibliográficos
Autores principales: Méndez Garabetti, Miguel, Rosenstein, Javier, Carribero, Ailin, Murazzo, María Antonia, Rodríguez, Nelson R., Guevara, Miguel José, Gómez, Pablo
Formato: Objeto de conferencia Resumen
Lenguaje:Español
Publicado: 2017
Materias:
Ingeniería
Metaheurísticas Híbridas
HPC
Multicore
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/94700
https://cimec.org.ar/ojs/index.php/mc/article/view/5282
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-94700
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ingeniería
Metaheurísticas Híbridas
HPC
Multicore
spellingShingle Ingeniería
Metaheurísticas Híbridas
HPC
Multicore
Méndez Garabetti, Miguel
Rosenstein, Javier
Carribero, Ailin
Murazzo, María Antonia
Rodríguez, Nelson R.
Guevara, Miguel José
Gómez, Pablo
Evaluación de rendimiento y presición de metaheurísticas híbridas paralelas en un cluster multicore
topic_facet Ingeniería
Metaheurísticas Híbridas
HPC
Multicore
description En los últimos años las tendencias más relevantes para lograr el diseño de metaheurísticas eficientes han estado acompañadas por estrategias de hibridación y paralelismo. Si bien existen diversos tipos de problemas que actualmente son resueltos de forma aceptable mediante la utilización de algoritmos secuenciales. A medida que la complejidad incrementa, dichas implementaciones suelen volverse ineficientes e incluso obsoletas. Siendo necesario utilizar herramientas que permitan ofrecer resultados más eficientes. En este tipo de escenarios, la computación paralela se ha convertido en la forma tradicional de resolver problemas con altas cargas de procesamiento. Desde el punto de vista de exactitud o precisión, cuando trabajamos con problemas del tipo NP-duros, los algoritmos exactos suelen tener tiempos de ejecución que crecen de forma exponencial en relación al tamaño del problema haciéndolos inoperables antes este tipo de escenarios. Para este tipo de problemas, las metaheurísticas suelen ser una buena elección ya que ofrecen resultados de buena calidad en tiempos razonables. En este trabajo se evalúan -en términos de rendimiento y presición- diferentes estrategias de hibridación colaborativa utilizando combinaciones de las siguientes metaheurísticas: Algoritmos Genéticos, Evolución Diferencial, Optimización por Cúmulo de Partículas y Optimización por Colonia de Hormigas. Las implementaciones han sido llevadas a cabo en un cluster multicore utilizando programación paralela basada en MPI y OpenMP.
format Objeto de conferencia
Resumen
author Méndez Garabetti, Miguel
Rosenstein, Javier
Carribero, Ailin
Murazzo, María Antonia
Rodríguez, Nelson R.
Guevara, Miguel José
Gómez, Pablo
author_facet Méndez Garabetti, Miguel
Rosenstein, Javier
Carribero, Ailin
Murazzo, María Antonia
Rodríguez, Nelson R.
Guevara, Miguel José
Gómez, Pablo
author_sort Méndez Garabetti, Miguel
title Evaluación de rendimiento y presición de metaheurísticas híbridas paralelas en un cluster multicore
title_short Evaluación de rendimiento y presición de metaheurísticas híbridas paralelas en un cluster multicore
title_full Evaluación de rendimiento y presición de metaheurísticas híbridas paralelas en un cluster multicore
title_fullStr Evaluación de rendimiento y presición de metaheurísticas híbridas paralelas en un cluster multicore
title_full_unstemmed Evaluación de rendimiento y presición de metaheurísticas híbridas paralelas en un cluster multicore
title_sort evaluación de rendimiento y presición de metaheurísticas híbridas paralelas en un cluster multicore
publishDate 2017
url http://sedici.unlp.edu.ar/handle/10915/94700
https://cimec.org.ar/ojs/index.php/mc/article/view/5282
work_keys_str_mv AT mendezgarabettimiguel evaluacionderendimientoypresiciondemetaheuristicashibridasparalelasenunclustermulticore
AT rosensteinjavier evaluacionderendimientoypresiciondemetaheuristicashibridasparalelasenunclustermulticore
AT carriberoailin evaluacionderendimientoypresiciondemetaheuristicashibridasparalelasenunclustermulticore
AT murazzomariaantonia evaluacionderendimientoypresiciondemetaheuristicashibridasparalelasenunclustermulticore
AT rodrigueznelsonr evaluacionderendimientoypresiciondemetaheuristicashibridasparalelasenunclustermulticore
AT guevaramigueljose evaluacionderendimientoypresiciondemetaheuristicashibridasparalelasenunclustermulticore
AT gomezpablo evaluacionderendimientoypresiciondemetaheuristicashibridasparalelasenunclustermulticore
bdutipo_str Repositorios
_version_ 1764820491813519360

Ejemplares similares