ebook img

Implementación de un algoritmo evolutivo basado en MOS PDF

144 Pages·2008·9.65 MB·Spanish
Save to my drive
Quick download
Download
Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.

Preview Implementación de un algoritmo evolutivo basado en MOS

Universidad Politécnica de Madrid Facultad de Informática Proyecto fin de carrera Implementación de un algoritmo evolutivo basado en MOS Autor: Manuel Zaforas Tutores: José María Peña Sánchez Antonio LaTorre de la Fuente Madrid, Julio 2008 ImplementacióndeunalgoritmoevolutivobasadoenMOS ManuelZaforas Madrid,Julio2008 Tutores: JoséMaríaPeñaSánchez (jmpena@fi.upm.es) AntonioLaTorredelaFuente (atorre@fi.upm.es) LacomposicióndeestedocumentoseharealizadoconLATEX. Cita: "La selección natural, es una fuerza siempredispuestaalaacciónytaninconmen- surablemente superior a los débiles esfuerzos delhombrecomolasobrasdelaNaturalezalo sonalasdelArte." CharlesDarwin. Elorigendelasespecies,capítuloIII. Dedicatoria:Dedicadoalaocadelestanque. Agradecimientos Este proyecto es el colofón a una etapa de mi vida marcada por muchas personas y experiencias positivas,quemehanllevadoadondeahoraestoyyaformarmecomoingenieroycomopersona. En primer lugar quiero agradecer a mis padres, ya que en gran medida todo lo que soy y lo bueno quetengoselodeboaellos,quemehanapoyadosiempreincondicionalmenteentodoloquehehecho. AmihermanaCarlotaportodalapacienciaquetieneconmigoyporhabersidosiempremiamiga. Gracias sobre todo a Nuria, porque desde que te conocí eres el faro que ilumina mi vida y que me hacefelizalmargendetodolodemás. Graciasatodosloscompañerosconlosquehecompartidoestudios,prácticasysufrimientosdurante la carrera, especialmente a Javi, Trevi, Jaime, Alvarito, Rafa, Marí Paz, Jose, Marco, Mariajo, Laura, Jess,Raquel,Luis,Miguel,Soto,Juanitoytodoslosquemedejoperoquehemosluchadojuntoseneste campodebatallallamadoFI,ydevezencuandohemoshechounaparadapararelajarnosyvisitaralos patos tomando una paella. Gracias también a toda la gente de Delegación, Coleópteros, Alfa y Omega, HistriónytodoslosfollonesenlosqueheestadometidoenlaFI. GraciasatodalagentedelLaboratoriodeSistemasOperativosdelDATSIportodoloqueheapren- dido con ellos y por lo bien que nos lo hemos pasado en esas largas sobremesas de pueblos y caminos. Gracias a Fernando Pérez por darme la oportunidad de entrar en el laboratorio y por todo lo que he aprendido de él. Gracias a los doctorandos: Chuso, Juan, Santi y Alberto por todo lo que saben y la fa- cilidadconquelotransmiten,estandosiempredispuestosaecharunamano.GraciastambiénaAlberto, Germán, Luis y el resto de becarios que compartimos el peso del yugo de nuestras becas rodeados de neverasypiruletas. –I– 0.Agradecimientos GraciasespecialmentealosAR:Rojo,Santi,Nacho,Zuazo,Diego,Ato,P.Lorenzo,P.JoséManuel, Chunia y Javi Lorenzo, por esas largas, divertidas e improductivas reuniones en el Rufos o en torno a unas palomitas quemadas. Gracias también a todos los que siempre están ahí para escaparse al ático cuando es necesario o para desahogarnos dando patadas a un balón, especialmente a Edu, Ian, Líder, Pablo, Alex, Sonso (que eres como uno más), Merino, Manza, Chuso, Héctor, Paco, Braci, Luquitas y todoslosdemás.GraciassobretodoalP.Carlosporhabersidounsegundopadreparamí. Gracias a toda la gente del equipo de basket, especialmente a Alfre por todas las cosas que hemos vividojuntos. Y por último gracias a Chema y Toni, por toda la paciencia que han tenido conmigo y por todo lo queheaprendidodeellos,porquesinellosesteproyectonoseríaunarealidad. Gracias también a tantos que me dejo en el tintero y en general a todos porque sin duda no habría llegadohastaaquísinvosotros. –II– Índice Agradecimientos . . . . . . . . . . . . . . . . . . . . . . . . . . I Índice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III Índicedefiguras . . . . . . . . . . . . . . . . . . . . . . . . . . IX Índicedetablas . . . . . . . . . . . . . . . . . . . . . . . . . . XIII Acrónimosyabreviaturas . . . . . . . . . . . . . . . . . . . . . . XVII PARTE I INTRODUCCIÓN Y OBJETIVOS 1. Introducciónyobjetivos . . . . . . . . . . . . . . . . . . . . . . 3 1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.3. Estructuradelamemoria . . . . . . . . . . . . . . . . . . . . 6 PARTE II ESTADO DE LA CUESTIÓN 2. Computacióndealtasprestacionesconarquitecturasparalelas . . . . . . . . . 9 2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . 9 2.2. Arquitecturasparalelas:Taxonomía . . . . . . . . . . . . . . . . . 10 –III– Índice 2.2.1. Multiprocesadores . . . . . . . . . . . . . . . . . . . . 12 2.2.2. Multicomputadores . . . . . . . . . . . . . . . . . . . . 13 2.2.2.1. Clúster . . . . . . . . . . . . . . . . . . . . 14 2.2.2.2. Magerit . . . . . . . . . . . . . . . . . . . . 14 2.3. Topologíasyredesdeinterconexión . . . . . . . . . . . . . . . . . 15 2.3.1. Tecnologíasdeinterconexión . . . . . . . . . . . . . . . . . 16 2.4. Rendimientoencomputaciónparalela . . . . . . . . . . . . . . . . 17 2.4.1. Factordeaceleración:Speedup . . . . . . . . . . . . . . . . 17 2.4.2. LeydeAmdahl . . . . . . . . . . . . . . . . . . . . . 18 2.4.3. LeydeGustafson . . . . . . . . . . . . . . . . . . . . 19 2.5. Procesodeparalelización:Principiosdediseño . . . . . . . . . . . . . 20 2.5.1. Descomposición . . . . . . . . . . . . . . . . . . . . . 21 2.5.2. Asignación . . . . . . . . . . . . . . . . . . . . . . 23 2.5.3. Orquestación . . . . . . . . . . . . . . . . . . . . . . 23 2.5.3.1. Comunicaciónunicastvs.broadcast . . . . . . . . . . . 23 2.5.3.2. Comunicaciónestructuradavs.noestructurada . . . . . . . . 24 2.5.3.3. Comunicaciónestáticavs.dinámica . . . . . . . . . . . 25 2.5.3.4. Comunicaciónsíncronavs.asíncrona . . . . . . . . . . . 25 2.5.4. Despliegue . . . . . . . . . . . . . . . . . . . . . . 25 2.6. Herramientasdeprogramaciónparalela . . . . . . . . . . . . . . . . 26 2.6.1. HPF . . . . . . . . . . . . . . . . . . . . . . . . 26 2.6.2. MPI . . . . . . . . . . . . . . . . . . . . . . . . 27 2.6.2.1. FuncionamientodeMPI . . . . . . . . . . . . . . . 28 2.6.3. OMP . . . . . . . . . . . . . . . . . . . . . . . . 28 3. Algoritmosevolutivos . . . . . . . . . . . . . . . . . . . . . . . 31 3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . 31 3.2. Algoritmosgenéticos . . . . . . . . . . . . . . . . . . . . . . 33 3.2.1. Esquemadeselección . . . . . . . . . . . . . . . . . . . 36 –IV– Índice 3.2.1.1. Métododelaruleta . . . . . . . . . . . . . . . . 36 3.2.1.2. Métododelaruletaextendidoconrangos . . . . . . . . . 37 3.2.1.3. Métododeselecciónportorneo . . . . . . . . . . . . 38 3.2.2. Operadordecruce . . . . . . . . . . . . . . . . . . . . 39 3.2.2.1. Crucedeunpunto . . . . . . . . . . . . . . . . . 39 3.2.2.2. Cruceendospuntos . . . . . . . . . . . . . . . . 39 3.2.2.3. Cruceuniforme . . . . . . . . . . . . . . . . . . 40 3.2.2.4. Crucearitmético . . . . . . . . . . . . . . . . . 40 3.2.2.5. Crucecíclico . . . . . . . . . . . . . . . . . . 40 3.2.2.6. Cruceordenado . . . . . . . . . . . . . . . . . . 41 3.2.3. Operadordemutación . . . . . . . . . . . . . . . . . . . 41 3.2.3.1. Mutaciónporinversión . . . . . . . . . . . . . . . 41 3.2.3.2. Mutaciónporintercambiorepetido . . . . . . . . . . . 42 3.2.3.3. Mutaciónuniforme . . . . . . . . . . . . . . . . 42 3.3. AlgoritmosEDA . . . . . . . . . . . . . . . . . . . . . . . 42 3.3.1. Heurísticasparaelaprendizaje . . . . . . . . . . . . . . . . 44 3.3.1.1. Modelosindependencias . . . . . . . . . . . . . . 45 3.3.1.2. Modeloscondependenciasbivariantes . . . . . . . . . . 45 3.3.1.3. Modelosconmúltiplesdependencias . . . . . . . . . . . 45 3.4. Algoritmosevolutivosparalelos . . . . . . . . . . . . . . . . . . 46 3.4.1. Modelosconpoblaciónglobal . . . . . . . . . . . . . . . . 46 3.4.1.1. Variantesíncronaconmaestro-esclavos . . . . . . . . . . 46 3.4.1.2. Variantesemisíncronaconmaestro-esclavos . . . . . . . . 47 3.4.1.3. Varianteasíncronaconcurrente . . . . . . . . . . . . . 47 3.4.2. Modelosdeislas . . . . . . . . . . . . . . . . . . . . . 47 3.4.2.1. Topologíasdeinterconexión . . . . . . . . . . . . . . 48 3.4.2.2. Sincronizaciónentreislas . . . . . . . . . . . . . . 49 – V– Índice PARTE III DISEÑO Y DESARROLLO DE LA SOLUCIÓN 4. MultipleoffspringsamplinggeneticalgorithmenGAEDALib . . . . . . . . . 53 4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . 53 4.2. DiseñoyarquitecturadeMOS . . . . . . . . . . . . . . . . . . . 54 4.2.1. AproximaciónMOScentral . . . . . . . . . . . . . . . . . 54 4.2.2. AproximaciónMOSautonomic . . . . . . . . . . . . . . . . 57 4.2.3. RelacióndeMOSyGAEDALib . . . . . . . . . . . . . . . 58 4.3. ClaseGAMOSGA . . . . . . . . . . . . . . . . . . . . . . 59 4.4. TécnicasMOS . . . . . . . . . . . . . . . . . . . . . . . . 61 4.4.1. ClaseGAMOSTechnique . . . . . . . . . . . . . . . . . . 63 4.4.2. TécnicasMOSGA . . . . . . . . . . . . . . . . . . . . 65 4.4.3. TécnicasMOSEDA . . . . . . . . . . . . . . . . . . . 65 4.4.4. Conjuntodetécnicas . . . . . . . . . . . . . . . . . . . 65 4.5. GenomasMOS . . . . . . . . . . . . . . . . . . . . . . . . 66 4.5.1. ClaseGAMOSGenome . . . . . . . . . . . . . . . . . . 68 4.6. ConversorMOS . . . . . . . . . . . . . . . . . . . . . . . 69 4.7. SerializadorMOS . . . . . . . . . . . . . . . . . . . . . . . 70 PARTE IV ANÁLISIS DE RESULTADOS 5. Análisisderesultados . . . . . . . . . . . . . . . . . . . . . . . 75 5.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . 75 5.2. Resultadosconfuncionesmatemáticas . . . . . . . . . . . . . . . . 78 5.2.1. ProblemaMaxBit . . . . . . . . . . . . . . . . . . . . 78 5.2.1.1. ResultadosconMultipleOffspringSampling(MOS) . . . . . . 79 5.2.2. ProblemaRoyalRoad . . . . . . . . . . . . . . . . . . . 83 5.2.2.1. ResultadosconMOS . . . . . . . . . . . . . . . . 83 5.2.3. FunciónGriewank . . . . . . . . . . . . . . . . . . . . 86 –VI–

Description:
Implementación de un algoritmo evolutivo basado en MOS. Autor: Manuel Zaforas. Tutores: José María Peña Sánchez. Antonio LaTorre de la Fuente.
See more

The list of books you might like

Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.