Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/2411
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação
Title: Implementação do algoritmo PSO em CUDA utilizando técnicas da capacidade de computabilidade 6.1 para otimização de problemas de engenharia com restrições
metadata.dc.creator: ALVARES, PauloVictor de Lima Sfair
metadata.dc.contributor.advisor1: MONTEIRO, Dionne Cavalcante
Issue Date: 12-Dec-2018
Citation: ALVARES, PauloVictor de Lima Sfair. Implementação do algoritmo PSO em CUDA utilizando técnicas da capacidade de computabilidade 6.1 para otimização de problemas de engenharia com restrições. Orientador: Dionne Cavalcante Monteiro. 2018. 50 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Faculdade de computação, Instituto de Ciências Exatas e Naturais, Universidade Federal do Pará, Belém, 2018. Disponível em: http://bdm.ufpa.br/jspui/handle/prefix/2411. Acesso em:.
metadata.dc.description.resumo: O presente trabalho trata da implementação e análise do algoritmo de PSO (Otimização por Enxame de Partículas), algoritmo que abre possibilidade para a paralelização, em CUDA, utilizando um dos recursos da capacidade de computabilidade 6.1, a shared memory permitindo a diminuição da latência de comunicação entre o core CUDA e a memória. Com este trabalho, objetivou-se implementar o algoritmo de PSO de forma que o resultado obtido após a execução deste, fosse mais preciso, obtendo-se mais casas decimais de precisão no resultado, permitindo que aplicações que necessitem de uma precisão maior possam ser executadas com este algoritmo, além de melhorar o tempo de execução, utilizando a nova arquitetura das placas de vídeo NVidia GTX série 10, Pascal. Para a análise e comparação de resultados, foram utilizados resultados do trabalho produzido por Daniel Souza em 2014, e nos resultados obtidos, foi alcançada uma melhora, tanto na precisão, onde foi aumentado de 6 casas decimais confiáveis para 16 casas decimais confiáveis, quanto no tempo de execução do algoritmo, o que abre a possibilidade para que aplicações que necessitam de precisão extrema, como aplicações médicas e da biomedicina, possam ser executadas sem que o tempo de execução seja afetado.
Abstract: The present work is on the implementation and analysis of the PSO (Particle Swarm Optimization) algorithm, an algorithm that opens possibility for the parallelization in CUDA, using a technique of the Compute Capability 6.1, shared memory, allowing the decrease of the latency of communication between the CUDA core and memory. This work aimed to implement the PSO algorithm so that the result obtained after its execution was preciser in such ways that it could obtain more precise decimal results, besides improving the execution time of it using the new architecture of the NVidia GPUs GTX 10 series, Pascal. For the analysis and comparison of results, it has been used results of the work produced by Daniel Souza in 2014, and in the obtained results an improvement was reached both in the precision, where it was increased from 6 decimal places to 16 decimal places, and at run time of the algorithm, which opens the possibility for applications that require extreme precision, such as medical applications and biomedicine, can be executed without the execution time being affected.
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::LINGUAGENS DE PROGRAMACAO
Keywords: PSO
Pascal
Otimização
CUDA
metadata.dc.rights: Acesso Aberto
Appears in Collections:Faculdade de Computação - FC/ICEN

Files in This Item:
File Description SizeFormat 
TCC_ImplementacaoAlgoritmoPso.pdf1,31 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons