آموزش مثال های تست و آنالیز عملکرد محیط آزمایش در متلب

در ادامه آموزش های سایت همیارپروژه آموزش نرم افزار متلب ارائه خواهد شد .آموزشها از مقدماتی تا پیشرفته ادامه دارد و ما به شما نرم افزار را یاد خواهیم داد. با ما همراه باشید.

حالا فایل را به شی job موازی ارائه و آن را در متلب طراحی کنیم:

سپس همه نتایج را که برخی فرآیندهای مناسب می سازند و به پارامترهای خروجی بازگردانده می شوند را واکشی کنید.

درنهایت شی job موازی نابود می شود.

توجه:

برای اینکه تابع pasco روی هر دو گره اجرا شود، فیلد File dependencies از شی job موازی ابتدا باید set شود و سپس به طور موقت pasco به هر دو گره ارسال می شود.

البته کپی فایل pasco.m به هر دو گره پیش  رو هم ارسال می شود.

شکل تابع به صورت زیر است:

این تابع هسته PACO است، که بدنه آن توسط PACO ذکر شده در بالا طراحی شده و توسعه یافته و تابع MPI توسط متلب ارائه شده است.

این بطور عمده از دو تابع LabSend ، MPI و LabReceive استفاده می کند.

با ساختار دایره ، مهاجرت برای Subpopulation تکامل یافته ساخته شده است.

توجه داشته باشید که ارسال کردن دستور به فرم استاندارد است که به حالت سیستم وابسته نیست.

با این حال دستور دریافت کردن به فرم Block است.

هنگامی که یک مهاجرت حلقه ای در گره ها اتفاق می افتد ،تعداد گره ها باید باشد، حتی اگر زمان مسدود شدن بتواند کاهش یابد.

بمنظور دستیابی به آن ، داده ها باید به صورت زیر منتقل شوند:

به عنوان مثال از ۶ گره ، ابتدا data بین گره های متصل شده بوسیله خطوط مستحکم .

سپس بین گره های متصل شده بوسیله خطوط نقطه چین منتقل خواهد شد.

مهم نیست چند گره وجود دارد، کل زمان انتقال نزدیک به ۲ بار زمان انتقال واحد است. .

مثال های تست و آنالیز عملکرد محیط آزمایش در متلب

Intel Core 2 Quad CPU

Q   ۸۳۰۰    ۲٫۵ GHzحافظه روی گره هایی که JM اجرا می کند ۲G است و بقیه ۱G هستند .

ابتدا ما رابطه بین انتقال حجم داده و زمان انتقال انجام شده توسط تابع LabReceive ، MPI28 ارائه شده بوسیله متلب ، را آزمایش می کنیم.

زمان انتقال ، میانگین بین ۳۱ زمان خواهد بود. در جدول زیر نشان داده شده است.

مدل f(x)=P1(X)+P2 است که از رگرسیون خطی استفاده می کند ،X نشان دهنده حجم داده منتقل شده است.

درحالی که f(X) نشان دهنده زمان انتقال است نتایج بازگردانده شده توسط متلب در جدول زیر نشان داده شده است.

نتیجه نشنا می دهد که data  منتقل شده توسط متلب از یک رابطه خطی پیروی می کند.

افزایش ۱kb، حدود ۱٫۱۰ میلی ثانیه هزینه خواهد شد.

رابطه خطی ، یک زمینه برای آنالیز عملکرد الگوریتم موازی متلب تامین می کند.

با نگاهی به TSP Att 48 به عنوان یک مثال ، فاصله کوتاهترین مسیر در این مسئله ۳۳۵۲۳  است.

PACO روی خوشه تشکیل شده توسط ۳ کامپیوتر ،۲ کامپیوتر ،۳ کامپیوتر و ۸ کامپیوتر ، به ترتیب در حال اجرا است.

به منظور آزمایش حالت زمان اجرا از هر بخش از الگوریتم، برخی نقاط در PACO انتخاب می شوند.

هنگامی که اجرای PACO شروع می شود، توقف کردن Clock روی هر گره شروع می شود.

نقطه پیش از مهاجرت جمعیت یا بعد از تکامل زیر جمعیت، نقطه بعد از تکامل جمعیت یا قبل از تکامل زیر جمعیت .

نقطه ای که PACO روی هر گره پایان داده است.

آمار نتایج عملیات در جدول زیر نشان داده شده است.

کل زمان مصرف شده ، حدود ۲ ثانیه کمتر از زمانی است که PACO مصرف می کند هیچ ارتباطی به فاکتورهایی مانند تعداد گره ها ندارد.

ممکن است زمان شروع شدن کار موازی ، ثابت در نظر گرفته شود.

سرعت PACO نشان داده شده در جدول زیر، شامل زمان شروع شدن نمی شود.

۵-نتایج  از متن فوق می توانید ببینید که توسعه دادن الگوریتم موازی و توزیع شده مبتنی بر متلب.

برای محاسبات علمی و مهندسی و برنامه های کاربردی کاربران بسیار مناسب است.

منابع:

Kepner and S. Ahalt. MatlabMPI. Journal of Parallel and Distributed Computing: 2004,64, 997-.5001

• The Mathworks, Inc.: MDCE3.1 System Administrator’s Guide.
• The Mathworks, Inc.: Distributed Computing Toolbox 3.1 User’s Guide
• Message Passing Interface Forum: MPI: A Message-Passing Interface Standard. November 15, 2003. http://www.mpi-forum.org/docs
• P.Hoffbeck, M. Sarwar and E. J. Rix. Interfacing MATLAB with a parallel virtual processor for matrix algorithms. The Journal of Systems and Software:2001, 56, 77-.08
• Dorigo and T. Stutzle. Ant Colony Optimization. Bei Jing,China: Tsing Hua University Press, 2007.
• Duan Haibin. Ant colony algorithm: theory and applications. Bei Jing, China: Science Press, 2005.
• Li Shiyong. Ant colony algorithms with applications. Harbin,China: Harbin Institute of Technologys Press, 2004.
• Bullnheimer and G. Kotsis. Parallelization strategies for the ant system. In R.D. Linear Optimization: 1998, 24, 87-100.
• Middendorf and F. Reischle. Multi colony algorithms. Journal of Heristics: 2002,8(3), 305-.023
• . Jiao Licheng and Du Haifeng. Immune Optimization. Bei Jing, China: Sciense Press, 2006.

در اینجا آشنایی با نرم افزار متلب قسمت صد و پنجم به پایان رسید . در آموزش های بعدی به مباحث دیگر نرم افزار متلب می پردازیم. همچنین از شما مخاطبین عزیز سایت همیارپروژه دعوت می کنم که برای انجام پروژه های متلب خود آموزش های ما را دنبال نمایید.

نویسنده : زهرا رستمی

جهت سفارش پروژه به لینک زیر مراجعه نمایید :

سفارش پروژه

همچنین می توانید برای ارتباط سریعتر با شماره و آیدی تلگرام زیر تماس حاصل کنید :
۰۹۱۲۹۵۴۰۱۲۲ – آیدی تلگرام : @fnalk

از طریق کلیک برروی آیکن های زیر میتوانید پروژه خود را در تلگرام و یا واتساپ برای ما ارسال کنید:

ثبت سفارش در واتس آپ ثبت سفارش در تلگرام