蚁群算法优化_邱诚_23020101153040.docVIP

课程小项目：蚁群算法的多核优化 指导老师 郑灵翔 学生姓名 邱诚 学 号 2302010115340 时 间 2011-5-25 [实验目的] 1.熟悉并掌握通过Cilk进行多核程序设计的方法和步骤 2.熟悉并掌握掌握使用Amplifier和Inspector分析程序，找出程序的热点以及并行性分析 [实验条件] 硬件： 1.Intel多核处理器 2.大于1G内存 3.大于20G硬盘 软件： 1.Intel Parallel Composer beta1.0或更高版本 2.熟练掌握C/C++语言 3.掌握Microsoft Visual Studio2005的开发环境使用 [实验原理] 1. 蚁群算法简介 蚁群算法是M.Dorigo等人于1991年首先提出。其主要特点就是：通过正反馈、分布式协作来寻找最优路径。这是一种基于种群寻优的启发式搜索算法。它充分利用了生物蚁群能通过个体间简单的信息传递，搜索从蚁巢至食物间最短路径的集体寻优特征，以及该过程与旅行商问题求解之间的相似性。得到了具有NP难度的旅行商问题的最优解答。同时，该算法还被用于求解Job-Shop调度问题、二次指派问题以及多维背包问题等，显示了其适用于组合优化类问题求解的优越特征。蚁群算法之所以能引起相关领域研究者的注意，是因为这种求解模式能将问题求解的快速性、全局优化特征以及有限时间内答案的合理性结合起来。其中，寻优的快速性是通过正反馈式的信息传递和积累来保证的。而算法的早熟性收敛又可以通过其分布式计算特征加以避免时有贪婪启发式搜索特征的蚁群系统又能在搜索过程的早期找到可以接受的问题解答。这种优越的问题分布式求解模式经过相关领域研究者的关注和努力，已经在最初的算法模型基础上得到了很大的改进和拓展。 Intel Parallel Amplifier主要功能： 快速找到瓶颈并调优并行应用程序，充分利用多核性能以获得最大性能提升: 1.应用程序热点（hotspots）并追踪至源代码 2.并发性分析，调优并行应用程序以获得性能提升 3.锁定和等待分析来查找限制并行性能的关键等待 4.对比结果以快速找到更改之处，比较新老代码的性能 [实验内容和步骤] 一 、程序分析 1 将没有修改的程序，通过Intel c++编译运行，得到初始耗时。 2 使用Amplifier分析程序 (1)寻找程序热点 从热点分析可以看出，程序在choose()和Search()这两个函数上耗费的时间非常多，这两个函数中运用了大量的循环以及数组的运算。所以我们可以通过修改这两个函数的代码，并在main中合理的调用实现优化。 (2)并行性分析 通过上图可以看出程序的并行性不是很好，资源也没能得到很好的利用。 二、优化代码并进行性能比较 以下是部分修改的代码： 以下优化之后的并行性分析 从上图可以看出并行性得到了很好的提高。我们也可以使用compare功能对前后数据进行对比得出以上的结论。以下是compare比较的结果 以下是优化后的运行情况： 三、加速比 程序在Intel c++编译器下运行，没有优化之前运行的时间在50秒左右，使用Cilk进行优化之后的时间降到了30秒左右，所以优化前后的加速比是 S = 50 /30 = 1.6667 四、结论 从加速比可以看出通过多核技术进行优化的代码运行时间得到了明显的减少，这就是通过多核并行执行程序的优点。 但是，改进后程序得到的全局最优路径长度与理想的全局最优路径长度还存在一定的差距。 计算机系 邱诚 23020101153040 5 / 5