Metody zrównoleglania algorytmów wyznaczania najkrótszej drogi w transporcie morskim
|
|
- Wanda Danuta Urban
- 5 lat temu
- Przeglądów:
Transkrypt
1 WRÓBEL Magdalena 1 NOZDRZYKOWSKI Łukasz 2 Metody zrównoleglania algorytmów wyznaczania najkrótszej drogi w transporcie morskim WSTĘP Celem nawigacji morskiej, jako złożonego systemu analizy dużej ilości danych, jest stworzenie warunków bezpiecznej żeglugi pomiędzy portami przy minimalizacji kosztów podróży. Korzystając z systemów nawigacyjnych, w których skład wchodzą takie elementy jak ARPA, AIS, czy systemy obrazowania map elektronicznych ECDIS, możliwe było opracowanie koncepcji zintegrowanego mostka nawigacyjnego. Jednym z najważniejszych zadań procesu nawigacyjnego jest planowanie trasy statku pomiędzy portem początkowym, a końcowym z uwzględnieniem portów pośrednich. Proces ten polega na wykorzystaniu danych na temat istniejących ograniczeń nawigacyjnych (lądy, tory wodne, płycizny) w celu wyznaczenia punktów zwrotu (waypoint) marszruty statku [1]. Bliskim zagadnieniem jest problem unikania kolizji na morzu polegający na wyznaczaniu trajektorii statku z optymalizacją kosztów odchyleń od trajektorii zadanej, zwłaszcza od trajektorii określanej poprzez najkrótszą drogę, przy czym w procesie tym należy spełniać warunki bezpieczeństwa drogi. Należą do nich widzialność, zdolność manewrowa, warunki pogodowe czy rejon żeglugi, a także same charakterystyki statków [2, 3]. W obecnych czasach procesom nawigacyjnym nieodłącznie towarzyszą systemy informatyczne. Dotyczy to także systemów wyznaczania drogi, które w rzeczywistości operują na grafach i poszukiwaniu w nich najkrótszej ścieżki (drogi). Komputery i systemy informatyczne usprawniają i automatyzują procesy pozyskiwania, przetwarzania i analizowania informacji [4]. Niestety, coraz większe ilości informacji, jakie należy przetworzyć, wymagają zaangażowania coraz większych mocy obliczeniowych. Z pomocą przychodzi koncepcja systemów przetwarzania równoległego i rozproszonego, które pozwalają na znaczne przyspieszenie obliczeń. Aplikacje komputerowe pisane dotychczas w formie sekwencyjnych operacji są teraz zrównoleglone w celu skrócenia czasu wykonywania zadań. W artykule przedstawione zostaną sposoby zrównoleglenia wybranych algorytmów poszukiwania najkrótszej ścieżki w grafie, które stosowane są w nawigacji do wyznaczania marszruty statku. 1 ALGORYTMY POSZUKIWANIA NAJKRÓTSZEJ ŚCIEŻKI W GRAFACH W niniejszej pracy zaproponowano możliwość przyspieszenia działania algorytmów znajdowania najkrótszej ścieżki w grafach przy pomocy programowania równoległego. Poprzez przystosowanie implementacji algorytmów najkrótszej drogi do działania na wielu rdzeniach procesora możliwe staje się szybsze przeszukiwanie grafu. Ogólnie problem najkrótszej ścieżki definiuje się dla grafu G(N,A), o n= N węzłach oraz m= A krawędziach [5]. Każde połączenie (i,j) należące do A posiada swój koszt c i,j reprezentujący czas podróżny daną krawędzią. Ścieżką P z punktu O do celu D jest serią połączonych krawędziami wierzchołków, a czas całkowity podróży jest sumą wszystkich czasów (wag) każdej z krawędzi należących do danej ścieżki P. Problem najkrótszej ścieżki ma za zadanie w grafie ważonym wyszukać połączenie pomiędzy wierzchołkami o najmniejszej sumie czasów (wag). Oznaczając 1 mgr inż. M. Wróbel, asystent, Instytut Technologii Morskich, Wydział Nawigacyjny, Akademia Morska w Szczecinie, ul. Wały Chrobrego 1-2, Szczecin, (+4891) , m.wrobel@am.szczecin.pl 2 dr inż. Ł. Nozdrzykowski, adiunkt, Instytut Technologii Morskich, Wydział Nawigacyjny, Akademia Morska w Szczecinie, ul. Wały Chrobrego 1-2, Szczecin, (+4891) , l.nozdrzykowski@am.szczecin.pl 11386
2 najkrótszy dystans z węzła i do D jako d i (minimalny czas podróży) należy sprawdzić dla każdego węzła i[5]: (1) Szczególnym przypadkiem jest problem najkrótszej ścieżki od jednego wierzchołka do wszystkich pozostałych oraz problem najkrótszej ścieżki pomiędzy wszystkimi parami wierzchołków. W niniejszym artykule wykonano próbę zrównoleglenia algorytmów Dijkstry, Floyda-Warschalla oraz Prima przy pomocy standardu zrównoleglenia OpenMP [6]. 2 SPOSÓB ZRÓWNOLEGLENIA ALGORYTMU DIJKSTRA Algorytm Dijkstra jest algorytmem ze sprzężeniem zwrotnym, gdzie krok następny jest determinowany przez krok poprzedni. Wyjątkiem jest oczywiście wybierany krok pierwszy oznaczony jako punkt startowy. Z tego powodu niemożliwe staje się zrównoglenie tego algorytmu przy pomocy prostych instrukcji zrównoleglających, jak chociażby #pragmaomp for. Algorytm ten pozwala jedynie na zrównoleglenie procesu wyszukiwania najkrótszej drogi z najniższą wagą. W celu zrównoleglenia algorytmu Dijkstry proponuje się początkowo w sekcji równoległej #pragmaompparallel wykonać inicjalizację danych (listing 1). intistartobliczen, ikoniecobliczen, iwierzcholek, iminwatka, inrwatkamin, m, iwatek =omp_get_thread_num(); #pragma omp single ile_watkow = omp_get_num_threads(); iporcjadanych = ROZMGRAFU / ile_watkow; istartobliczen = iwatek * iporcjadanych; ikoniecobliczen = istartobliczen + iporcjadanych - 1; Listing 1 Inicjalizacja zmiennych oraz podział zadań pomiędzy wątkami Poprzez tą operację każdy wątek wykonuje operacje na własnych danych w sposób niezależny. Wątek główny ma tu za zadanie dokonać podziału zadania na równe części pomiędzy wszystkie wątki. Wszystkie wątki następnie wyznaczają swój zakres obliczeń. Całościowy proces wyszukiwania najkrótszej drogi odbywa się w pętli iterującej po wszystkich węzłach (listing 2). for (iwierzcholek = 0; iwierzcholek< ROZMGRAFU; iwierzcholek++) Listing 2Przejście po wszystkich wierzchołkach grafu W pierwszej fazie pętli konieczne jest przeprowadzenie inicjalizacji danych początkowych (listing 3). Operację tą powinien wykonać jeden z wątków, którym domyślnie jest wątek główny. #pragmaomp single iminwatkow = NIESKONCZONOSC; inrwierzcholka = 0; Listing 3Inicjalizacja doanych początkowych przez wątek główny W celu wymuszenia wykonania operacji przez wątek główny zastosowano pragmę Single standardu OpenMP. iminwatka = NIESKONCZONOSC; for (i = istartobliczen; i <= ikoniecobliczen; i++) if (iodwiedzone[i] &&iminodleglosc[i] <iminwatka) iminwatka = iminodleglosc[i]; inrwatkamin = i; Listing 4 Poszukiwanie minimum przez wybrany wątek 11387
3 Kolejnym krokiem (listing 4) algorytmu wykonywanym w pętli każdego wątku jest wyszukiwanie najkrótszej drogi do kolejnego nieodwiedzonego węzła. W tym miejscu każdy z wątków operuje na zakresie danych wyznaczonym na listingu 1. #pragmaompcritical if (iminwatka<iminwatkow) iminwatkow = iminwatka; inrwierzcholka = inrwatkamin; Listing 5 Agregacja danych obliczonych przez wszystkie wątki. W następnej fazie (listing 5) wykonana zostaje agregacja danych w celu wyznaczenie najniższej wartości wyliczonej w operacjach wykonywanych przez wątki. Obszar ten oznaczony został jako krytyczny i powinien zostać wykonany przez jeden wątek. Po tej operacji możliwe staje się zapisanie najkrótszej ścieżki dotąd odwiedzonej (listing 6). for (i = istartobliczen; i <= ikoniecobliczen; i++) if(iminodleglosc[inrwierzcholka] + iwektrododleglosci[inrwierzcholka * ROZMGRAFU + i] <iminodleglosc[i]) iminodleglosc[i] = iminodleglosc[inrwierzcholka] + iwektrododleglosci[inrwierzcholka * ROZMGRAFU + i]; Listing 6 Wyliczenie minimalnej ścieżki grafu 7). Końcowym zadaniem jest oznaczenie odwiedzonego węzła oraz wykonanie synchronizacji (listing #pragmaomp single iodwiedzone[inrwierzcholka] = 0; #pragma omp barrier Listing 7 Oznaczenie węzła jako odwiedzony oraz wywołanie bariery. Poprzez ustawienie bariery zapobiega się występowania wyścigu wątków. 3 ZRÓWNOLEGLENIE ALGORYTMU PRIMA Algorytm Prima wykonywany jest w pętli, w której nie występuje zależność pomiędzy iteracjami. Z tego powodu jest on łatwiejszy do zrównoleglenia. Jego sposób przedstawiono w całości na listingu
4 while (wierzcholki!= iliczbawierz) #pragmaompparallel for private(iindexwierz) for (iindexwierz = 0; iindexwierz<iliczbawierz; iindexwierz++) if (igraf[wiersz][iindexwierz]!= 0) if (iodwiedzone[iindexwierz] == 0) if (iwaga[iindexwierz]>igraf[wiersz][iindexwierz]) #pragmaompcritical iwaga[iindexwierz] = igraf[wiersz][iindexwierz]; ikosztdrogi = MX; for (iindexwierz = 0; iindexwierz<iliczbawierz; iindexwierz++) if (iodwiedzone[iindexwierz] == 0) if (iwaga[iindexwierz] <ikosztdrogi) ikosztdrogi = iwaga[iindexwierz]; wiersz = iindexwierz; iodwiedzone[wiersz] = 1; wierzcholki++; ikosztdrogi = 0; for (iindexwierz = 0; iindexwierz<iliczbawierz; iindexwierz++) ikosztdrogi += iwaga[iindexwierz]; Listing 8 Zrównoleglony algorytm Prima Do zrównoleglenia należy zastosować zrównoleglenie pętli for z domyślną zmienną prywatną iindexwiersz poprzez instrukcję #pragmaompparallel for private(iindexwiersz), która rozbija poszukiwanie poszczególnych ścieżek w grafie na osobne wątki. Ponieważ wewnątrz pętli odbywa się sprawdzanie wyboru najkrótszej ścieżki, stąd też wymagane jest wydzielenie sekcji krytycznej dla jej zapisania. 4 ZRÓWNOLEGLENIE ALGORYTMU FLOYDA-WARSCHALLA Algorytm Floyda-Warschalla jako sposób na przeszukiwanie fragmentów grafu pomiędzy dwoma wierzchołkami cechuje się prostą konstrukcją, gdzie pętle podobnie jak w algorytmie Prima nie posiadają zależności pomiędzy instrukcjami. W całości algorytm ten przedstawia listing 9. for (iindexk = 0; iindexk<rozmgrafu; iindexk++) #pragma omp parallel for shared(a) for (iindexi = 0; iindexi<rozmgrafu; iindexi++) for (iindexj = 0; iindexj<rozmgrafu; iindexj++) igraf[iindexi][iindexj] = minimum(igraf[iindexi][iindexj], igraf[iindexi][iindexk] + igraf[iindexk][iindexj]); Listing 9 Zrównoleglony algorytm Floyda-Warschalla Do jego zrównoleglenia wystarcza pojedyncza instrukcja zrównoleglenia pętli for z przekazaniem tablicy wag wierzchołków w sposób dzielony pomiędzy wątki
5 5 TESTY EFEKTYWNOŚCI PROPONOWANYCH ROZWIĄZAŃ Testy efektywności zrównoleglonych algorytmów poszukiwania najkrótszej ścieżki w grafach wykonano na komputerze z procesorem ośmiowątkowym Intel Core i7-720qm, 4GB pamięci RAM, system operacyjny Windows 7 64 bit. 5.1 Algorytm Dijkstra Algorytm przetestowano dla różnych rozmiarów danych wejściowych. Graf posiadał odpowiednio 10000, oraz wierzchołków. Na rys. 1 przedstawiono wyniki z poszczególnych testów. Dijkstra wierzchołków Dijkstra wierzchołków Dijkstra wierzchołków Rys. 1 Wyniki testów zrównoleglonego algorytmu Dijkstra dla różnej wielkości danych oraz różnej liczby procesorów. Na rysunku 1 przedstawiono wykresy z wynikami dla różnych wielkości danych. We wszystkich przypadkach wraz ze wzrostem liczby wątków użytych do obliczeń maleje czas wykonania się algorytmu. Przyspieszenie dla poszczególnych wielkości danych oraz liczby procesorów przedstawia tabela 1. Tab. 1. Uzyskane przyspieszenie algorytmu Dijkstra Rozmiar danych ,05 2,13 2,09 4 3,78 3,74 4,09 8 7,98 7,34 7,86 Dane w tab. 1 pokazują, że w wyniku zrównoleglenia algorytmu Dijkstry osiągnięto przyspieszenie liniowe
6 5.2 Algorytm Prima Algorytm Prima przetestowano dla następujących rozmiarów grafu, który posiadał odpowiednio 8000, 9000 oraz wierzchołków. Na rys. 2 przedstawiono wyniki z poszczególnych testów. Prim 8000 wierzchołków Prim 9000 wierchołków Prim wierzchołków Rys. 2 Wyniki testów zrównoleglonego algorytmu Prima dla różnej wielkości danych oraz różnej liczby procesorów. Na rys. 2 przedstawiono czasy wykonania się algorytmu Prima dla poszczególnych wielkości danych oraz liczby wątków. Na wykresie dla grafu posiadającego 8000 wierzchołków widać, że zwiększenie liczby wątków z 4 na 8 nie przyniosło znaczącego skrócenia czasu obliczeń. Spowodowane jest to domyślną barierą dla każdej iteracji pętli for jaką ustawia OpenMP. Na pozostałych wykresach czas maleje przy wykorzystaniu większej liczby wątków. Przyspieszenie dla poszczególnych wielkości danych oraz liczby procesorów przedstawia tabela 2. Tab. 2. Uzyskane przyspieszenie algorytmu Prima Rozmiar danych ,32 1,35 1,36 4 1,53 1,58 1,57 8 1,49 1,85 1, Algorytm Floyda-Warschalla Testy algorytmu Floyda-Warschalla wykonano dla następujących rozmiarów grafu 1000, 1500, 2000 węzłów. Zmierzony czas wykonania się algorytmu przedstawia rys
7 Floyd-Warshall 1000 Floyd-Warshall Rys. 3 Wyniki testów zrównoleglonego algorytmu Floyda-Warschalla dla różnej wielkości danych oraz różnej liczby procesorów. Na rys. 3 zaprezentowano czasy wykonania algorytmu Floyda-Warschalla dla poszczególnych wielkości danych oraz liczby wątków. Przyspieszenie dla poszczególnych wielkości danych oraz liczby procesorów przedstawia tabela 3. Tab. 3. Uzyskane przyspieszenie algorytmu Floyda-Warschalla Rozmiar danych ,55 1,15 1,32 4 1,70 1,52 1,50 8 1,75 1,72 1,57 Podobnie jak dla algorytmu Prima, tak i dla algorytmu Floyda-Warschalla efektywność zrównoleglenia jest na zbliżonym poziomie. Spowodowane to jest tym samym sposobem przyjętego zrównoleglenia obydwu tych algorytmów. W związku z tym stwierdza się, że wzrastająca liczba wątków obliczeniowych nie wpływa znacząco na przyspieszenie obliczeń. WNIOSKI Floyd-Warshall W artykule zostały przedstawione metody zrównoleglania trzech algorytmów znajdowania najkrótszej ścieżki w grafie. Były to algorytmy Dijsktra, Prima oraz Floyda-Warschalla. Poprzez zastosowanie odpowiednio dobranych pragm standardu programowania równoległego OpenMP udało się uzyskać przyspieszenie działania algorytmów na poziomie: algorytm Dijkstra 7,34; algorytm Prima 1,49 oraz algorytm Floyda-Warschalla 1,57. Przyspieszenie obliczeń dotyczących algorytmów znajdowania najkrótszej ścieżki w grafie staje się szczególnie istotne z punktu widzenia ich realizacji w ramach systemów komputerowych, w tym systemów operujących w transporcie morskim. Umożliwia to przyspieszenie rozwiązywania 11392
8 problemów poszukiwania optymalnej marszruty statku na morzu z uwzględnieniem coraz większej ilości danych dodatkowych, w tym ograniczeniach akwenów, gdzie obliczenia są wykonywane nie przez jeden rdzeń, a wiele rdzeni współczesnych komputerów. Streszczenie W artykule przedstawiono sposób przyspieszania działania wybranych algorytmów wyszukiwania najkrótszej ścieżki w grafie poprzez wykorzystanie programowania równoległego w systemach komputerowych. Przedstawiono metodę zrównoleglenia algorytmów Dijkstra, Prima oraz Floyda-Warshalla przy pomocy instrukcji standardu programowania równoległego OpenMP. W artykule tym przedstawiono tzw. pragmyopenmp służące do zachowania poprawności działania algorytmu w środowisku równoległym Przedstawione algorytmy stanowią podstawę metod planowania drogi w transporcie, w tym w transporcie morskim do wyznaczania optymalnej trasy statku z uwzględnieniem danych o lokalizacji portów pośrednich i ograniczeń nawigacyjnych. Przedstawiono także testy efektywności zrównoleglenia proponowanych rozwiązań dla różnych wielkości grafów do przeszukania oraz różnej liczby wątków sprzętowych biorących udział w obliczeniach. Methods of parallelization a shortest path algorithms for maritime transport Abstract In article presents a method to accelerating a operation of selected algorithms of searching the shortest path in graph by using the parallel programming in computer systems. Presents a method of parallelization Dijkstra's, Prim's and Floyd Warshall algorithms with using the instructions of OpenMP parallel programming standard. This article presents the specific pragmas of OpenMPused to preservation the proper operation of the algorithm in a parallel environment. These algorithms are the basis of methods of route in the transport, including maritime transport to determine the optimal route of the vessel including the information about ports and navigation restrictions. This paper also presents a tests of parallelization efficiency of the proposed solutions for different sizes of graphs to be searched and the different number of hardware threads involved to the calculation. BIBLIOGRAFIA 1. Lazarowska Agnieszka, Planowanie trasy przejścia statku z zastosowaniem algorytmu mrówkowego, Zeszyty naukowe Akademii Morskiej w Gdyni, nr 78, marzec Smierzchalski Roman, Nawigacyjny problem unikania kolizji na morzu jako adaptacyjne modelowanie trajektorii statku, Proceedings of the 2nd National Conference on Evolutionary Computation and Global Optimization, Rytro, Poland, Warsaw University of Technology Publishing House, pp , Wiśniewski Bernad, Ships ocean route programming, Zeszyty Naukowe Akademia Morska w Szczecinie, 2012, 29 (101) 4. Pietrzykowski Z., Nozdrzykowski Ł., Wróbel M., Koncepcja udostępniania usług w chmurze obliczeniowej w transporcie morskim, Logistyka 2/ Jincheng Jiang, Lixin Wu, A Dynamic Navigation Algorith Considering Network Disruptions, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XL-4, Standard OpenMPwww.openmp.org [dostęp ] 11393
ZASTOSOWANIE GRAFU WIDOCZNOŚCI W PLANOWANIU TRASY PRZEJŚCIA STATKU APPLICATION OF A VISIBILITY GRAPH IN SHIP S PATH PLANNING
Zeszyty Naukowe Akademii Morskiej w Gdyni Scientific Journal of Gdynia Maritime University Nr /, ISSN - e-issn - ZASTOSOWANIE GRAFU WIDOCZNOŚCI W PLANOWANIU TRASY PRZEJŚCIA STATKU APPLICATION OF A VISIBILITY
Bardziej szczegółowoAlgorytm Dijkstry znajdowania najkrótszej ścieżki w grafie
Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Używane struktury danych: V - zbiór wierzchołków grafu, V = {1,2,3...,n} E - zbiór krawędzi grafu, E = {(i,j),...}, gdzie i, j Î V i istnieje
Bardziej szczegółowoPorównanie algorytmów wyszukiwania najkrótszych ścieżek międz. grafu. Daniel Golubiewski. 22 listopada Instytut Informatyki
Porównanie algorytmów wyszukiwania najkrótszych ścieżek między wierzchołkami grafu. Instytut Informatyki 22 listopada 2015 Algorytm DFS w głąb Algorytm przejścia/przeszukiwania w głąb (ang. Depth First
Bardziej szczegółowoPROBLEMY WYZNACZANIA OPTYMALNEJ TRAJEKTORII OBIEKTU NA OBSZARZE OGRANICZONYM
Studia i Materiały Informatyki Stosowanej, Tom 6, Nr 17, 2014 PROBLEMY WYZNACZANIA OPTYMALNEJ TRAJEKTORII OBIEKTU NA OBSZARZE OGRANICZONYM 16 Mariusz Dramski Akademia Morska w Szczecinie Instytut Technologii
Bardziej szczegółowoZofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1
Wykład Algorytmy grafowe metoda zachłanna. Właściwości algorytmu zachłannego:. W przeciwieństwie do metody programowania dynamicznego nie występuje etap dzielenia na mniejsze realizacje z wykorzystaniem
Bardziej szczegółowoAlgorytm wyznaczania najkrótszej ścieżki w grafie skierowanym w zbiorze liczb rozmytych
NEUMNN Tomasz 1 lgorytm wyznaczania najkrótszej ścieżki w grafie skierowanym w zbiorze liczb rozmytych WSTĘP W systemach zarządzania transportem jedną z najbardziej istotnych kwestii jest zapewnienie najkrótszej
Bardziej szczegółowoAlgorytmy mrówkowe. H. Bednarz. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne
Algorytmy mrówkowe H. Bednarz Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne 13 kwietnia 2015 1 2 3 4 Przestrzeń poszukiwań Ograniczenia
Bardziej szczegółowoAlgorytmy Równoległe i Rozproszone Część V - Model PRAM II
Algorytmy Równoległe i Rozproszone Część V - Model PRAM II Łukasz Kuszner pokój 209, WETI http://www.sphere.pl/ kuszner/ kuszner@sphere.pl Oficjalna strona wykładu http://www.sphere.pl/ kuszner/arir/ 2005/06
Bardziej szczegółowoOgólne wiadomości o grafach
Ogólne wiadomości o grafach Algorytmy i struktury danych Wykład 5. Rok akademicki: / Pojęcie grafu Graf zbiór wierzchołków połączonych za pomocą krawędzi. Podstawowe rodzaje grafów: grafy nieskierowane,
Bardziej szczegółowoPrzygotowanie kilku wersji kodu zgodnie z wymogami wersji zadania,
Przetwarzanie równoległe PROJEKT OMP i CUDA Temat projektu dotyczy analizy efektywności przetwarzania równoległego realizowanego przy użyciu komputera równoległego z procesorem wielordzeniowym z pamięcią
Bardziej szczegółowoAlgorytmy wyznaczania centralności w sieci Szymon Szylko
Algorytmy wyznaczania centralności w sieci Szymon Szylko Zakład systemów Informacyjnych Wrocław 10.01.2008 Agenda prezentacji Cechy sieci Algorytmy grafowe Badanie centralności Algorytmy wyznaczania centralności
Bardziej szczegółowoMatematyczne Podstawy Informatyki
Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 03/0 Przeszukiwanie w głąb i wszerz I Przeszukiwanie metodą
Bardziej szczegółowoInformatyka w szkole - algorytm Dijkstry dla każdego. Krzysztof Diks Instytut Informatyki, Uniwersytet Warszawski
Informatyka w szkole - algorytm Dijkstry dla każdego Krzysztof Diks Instytut Informatyki, Uniwersytet Warszawski Problem 1: Labirynt Źródło: www.dla-dzieci.ugu.pl Problem : Wilk, owca i kapusta Źródło:
Bardziej szczegółowoSprawozdanie do zadania numer 2
Sprawozdanie do zadania numer 2 Michał Pawlik 29836 Temat: Badanie efektywności algorytmów grafowych w zależności od rozmiaru instancji oraz sposobu reprezentacji grafu w pamięci komputera 1 WSTĘP W ramach
Bardziej szczegółowoAlgorytm dyskretnego PSO z przeszukiwaniem lokalnym w problemie dynamicznej wersji TSP
Algorytm dyskretnego PSO z przeszukiwaniem lokalnym w problemie dynamicznej wersji TSP Łukasz Strąk lukasz.strak@gmail.com Uniwersytet Śląski, Instytut Informatyki, Będzińska 39, 41-205 Sosnowiec 9 grudnia
Bardziej szczegółowoIMPLEMENTACJA I PORÓWNANIE WYDAJNOŚCI WYBRANYCH ALGORYTMÓW GRAFOWYCH W WARUNKACH OBLICZEŃ RÓWNOLEGŁYCH
IMPLEMENTACJA I PORÓWNANIE WYDAJNOŚCI WYBRANYCH ALGORYTMÓW GRAFOWYCH W WARUNKACH OBLICZEŃ RÓWNOLEGŁYCH Michał Podstawski Praca dyplomowa napisana pod kierunkiem Prof. WSTI dr hab. inż. Jarosława Śmiei
Bardziej szczegółowoOSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) Algorytmy i Struktury Danych PIŁA
OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) 16.01.2003 Algorytmy i Struktury Danych PIŁA ALGORYTMY ZACHŁANNE czas [ms] Porównanie Algorytmów Rozwiązyjących problem TSP 100 000 000 000,000 10 000 000
Bardziej szczegółowoWyznaczanie optymalnej trasy problem komiwojażera
Wyznaczanie optymalnej trasy problem komiwojażera Optymalizacja w podejmowaniu decyzji Opracowała: mgr inż. Natalia Malinowska Wrocław, dn. 28.03.2017 Wydział Elektroniki Politechnika Wrocławska Plan prezentacji
Bardziej szczegółowoPorównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego
Porównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego Mariusz Uchroński 3 grudnia 2010 Plan prezentacji 1. Wprowadzenie 2.
Bardziej szczegółowoModele i narzędzia optymalizacji w systemach informatycznych zarządzania
Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Metoda programowania dynamicznego........... 5
Bardziej szczegółowoDigraf. 13 maja 2017
Digraf 13 maja 2017 Graf skierowany, digraf, digraf prosty Definicja 1 Digraf prosty G to (V, E), gdzie V jest zbiorem wierzchołków, E jest rodziną zorientowanych krawędzi, między różnymi wierzchołkami,
Bardziej szczegółowoRównoległy algorytm wyznaczania bloków dla cyklicznego problemu przepływowego z przezbrojeniami
Równoległy algorytm wyznaczania bloków dla cyklicznego problemu przepływowego z przezbrojeniami dr inż. Mariusz Uchroński Wrocławskie Centrum Sieciowo-Superkomputerowe Agenda Cykliczny problem przepływowy
Bardziej szczegółowoMODELE SIECIOWE 1. Drzewo rozpinające 2. Najkrótsza droga 3. Zagadnienie maksymalnego przepływu źródłem ujściem
MODELE SIECIOWE 1. Drzewo rozpinające (spanning tree) w grafie liczącym n wierzchołków to zbiór n-1 jego krawędzi takich, że dowolne dwa wierzchołki grafu można połączyć za pomocą krawędzi należących do
Bardziej szczegółowoStruktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład. Prof. dr hab. inż. Jan Magott Algorytmy grafowe: podstawowe pojęcia, reprezentacja grafów, metody przeszukiwania, minimalne drzewa rozpinające, problemy
Bardziej szczegółowoPRZETWARZANIE RÓWNOLEGŁE I ROZPROSZONE. Mnożenie macierzy kwadratowych metodą klasyczną oraz blokową z wykorzystaniem OpenMP.
P O L I T E C H N I K A S Z C Z E C I Ń S K A Wydział Informatyki PRZETWARZANIE RÓWNOLEGŁE I ROZPROSZONE. Mnożenie macierzy kwadratowych metodą klasyczną oraz blokową z wykorzystaniem OpenMP. Autor: Wojciech
Bardziej szczegółowoTEORETYCZNE PODSTAWY INFORMATYKI
1 TEORETYCZNE PODSTAWY INFORMATYKI WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Wykład 14c 2 Definicje indukcyjne Twierdzenia dowodzone przez indukcje Definicje indukcyjne Definicja drzewa
Bardziej szczegółowoDziałanie algorytmu oparte jest na minimalizacji funkcji celu jako suma funkcji kosztu ( ) oraz funkcji heurystycznej ( ).
Algorytm A* Opracowanie: Joanna Raczyńska 1.Wstęp Algorytm A* jest heurystycznym algorytmem służącym do znajdowania najkrótszej ścieżki w grafie. Jest to algorytm zupełny i optymalny, co oznacza, że zawsze
Bardziej szczegółowoSkalowalność obliczeń równoległych. Krzysztof Banaś Obliczenia Wysokiej Wydajności 1
Skalowalność obliczeń równoległych Krzysztof Banaś Obliczenia Wysokiej Wydajności 1 Skalowalność Przy rozważaniu wydajności przetwarzania (obliczeń, komunikacji itp.) często pojawia się pojęcie skalowalności
Bardziej szczegółowoTworzenie programów równoległych cd. Krzysztof Banaś Obliczenia równoległe 1
Tworzenie programów równoległych cd. Krzysztof Banaś Obliczenia równoległe 1 Metodologia programowania równoległego Przykłady podziałów zadania na podzadania: Podział ze względu na funkcje (functional
Bardziej szczegółowoPrzykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych.
Grafy Graf Graf (ang. graph) to zbiór wierzchołków (ang. vertices), które mogą być połączone krawędziami (ang. edges) w taki sposób, że każda krawędź kończy się i zaczyna w którymś z wierzchołków. Graf
Bardziej szczegółowoAlgorytmy mrówkowe (optymalizacja kolonii mrówek, Ant Colony optimisation)
Algorytmy mrówkowe (optymalizacja kolonii mrówek, Ant Colony optimisation) Jest to technika probabilistyczna rozwiązywania problemów obliczeniowych, które mogą zostać sprowadzone do problemu znalezienie
Bardziej szczegółowoEgzamin, AISDI, I termin, 18 czerwca 2015 r.
Egzamin, AISDI, I termin, 18 czerwca 2015 r. 1 W czasie niezależnym do danych wejściowych działają algorytmy A. sortowanie bąbelkowego i Shella B. sortowanie szybkiego i przez prosty wybór C. przez podział
Bardziej szczegółowoPrzykładem jest komputer z procesorem 4 rdzeniowym dostępny w laboratorium W skład projektu wchodzi:
Przetwarzanie równoległe PROJEKT OMP Temat projektu dotyczy analizy efektywności przetwarzania równoległego realizowanego w komputerze równoległym z procesorem wielordzeniowym z pamięcią współdzieloną.
Bardziej szczegółowoTworzenie programów równoległych. Krzysztof Banaś Obliczenia równoległe 1
Tworzenie programów równoległych Krzysztof Banaś Obliczenia równoległe 1 Tworzenie programów równoległych W procesie tworzenia programów równoległych istnieją dwa kroki o zasadniczym znaczeniu: wykrycie
Bardziej szczegółowoWykorzystanie algorytmów mrówkowych w dynamicznym problem
Wykorzystanie algorytmów mrówkowych w dynamicznym problemie marszrutyzacji Promotor: dr inż. Aneta Poniszewska-Marańda Współpromotor: mgr inż. Łukasz Chomątek 18 stycznia 2013 Przedmiot i cele pracy dyplomowej
Bardziej szczegółowoProgramowanie równoległe i rozproszone. Praca zbiorowa pod redakcją Andrzeja Karbowskiego i Ewy Niewiadomskiej-Szynkiewicz
Programowanie równoległe i rozproszone Praca zbiorowa pod redakcją Andrzeja Karbowskiego i Ewy Niewiadomskiej-Szynkiewicz 23 października 2009 Spis treści Przedmowa...................................................
Bardziej szczegółowoLiteratura. 11/16/2016 Przetwarzanie równoległe - wstęp 1
Literatura 1. Wprowadzenie do obliczeń równoległych, Zbigniew Czech, Wydawnictwo Naukowe PWN, 2010, 2013 2. Introduction to Parallel Computing; Grama, Gupta, Karypis, Kumar; Addison Wesley 2003 3. Designing
Bardziej szczegółowoa) 7 b) 19 c) 21 d) 34
Zadanie 1. Pytania testowe dotyczące podstawowych własności grafów. Zadanie 2. Przy każdym z zadań może się pojawić polecenie krótkiej charakterystyki algorytmu. Zadanie 3. W zadanym grafie sprawdzenie
Bardziej szczegółowoEGZAMIN - Wersja A. ALGORYTMY I STRUKTURY DANYCH Lisek89 opracowanie kartki od Pani dr E. Koszelew
1. ( pkt) Dany jest algorytm, który dla dowolnej liczby naturalnej n, powinien wyznaczyd sumę kolejnych liczb naturalnych mniejszych od n. Wynik algorytmu jest zapisany w zmiennej suma. Algorytm i=1; suma=0;
Bardziej szczegółowoSpis treści. Przykład. Przykład 1 Przykład 2. Twórcy Informacje wstępne Pseudokod Przykład. 1 Grafy skierowane z wagami - przypomnienie
Algorytmy Grafowe dr hab. Bożena Woźna-Szcześniak, prof. UJD Uniwersytet Humanistyczno-Przyrodniczy im. Jana Długosza w Częstochowie b.wozna@ujd.edu.pl Wykład 1,11,1 B. Woźna-Szcześniak (UJD) Algorytmy
Bardziej szczegółowoPROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
Bardziej szczegółowoMinimalne drzewa rozpinające
KNM UŚ 26-28 listopada 2010 Ostrzeżenie Wprowadzenie Motywacja Definicje Niektóre pojęcia pojawiające się podczas tego referatu są naszymi autorskimi tłumaczeniami z języka angielskiego. Nie udało nam
Bardziej szczegółowoSystemy wbudowane. Uproszczone metody kosyntezy. Wykład 11: Metody kosyntezy systemów wbudowanych
Systemy wbudowane Wykład 11: Metody kosyntezy systemów wbudowanych Uproszczone metody kosyntezy Założenia: Jeden procesor o znanych parametrach Znane parametry akceleratora sprzętowego Vulcan Początkowo
Bardziej szczegółowoRównoległość i współbieżność
Równoległość i współbieżność Wykonanie sekwencyjne. Poszczególne akcje procesu są wykonywane jedna po drugiej. Dokładniej: kolejna akcja rozpoczyna się po całkowitym zakończeniu poprzedniej. Praca współbieżna
Bardziej szczegółowoRównoległość i współbieżność
Równoległość i współbieżność Wykonanie sekwencyjne. Poszczególne akcje procesu są wykonywane jedna po drugiej. Dokładniej: kolejna akcja rozpoczyna się po całkowitym zakończeniu poprzedniej. Praca współbieżna
Bardziej szczegółowo10/14/2013 Przetwarzanie równoległe - wstęp 1. Zakres przedmiotu
Literatura 1. Introduction to Parallel Computing; Grama, Gupta, Karypis, Kumar; Addison Wesley 2003 2. Wprowadzenie do obliczeń równoległych, Zbigniew Czech, Wydawnictwo Naukowe PWN, 2010. 3. Designing
Bardziej szczegółowoTechnologie cyfrowe. Artur Kalinowski. Zakład Cząstek i Oddziaływań Fundamentalnych Pasteura 5, pokój 4.15
Technologie cyfrowe Artur Kalinowski Zakład Cząstek i Oddziaływań Fundamentalnych Pasteura 5, pokój 4.15 Artur.Kalinowski@fuw.edu.pl Semestr letni 2014/2015 Zadanie algorytmiczne: wyszukiwanie dane wejściowe:
Bardziej szczegółowoTask Parallel Library
Task Parallel Library Daan Leijen, Wolfram Schulte, and Sebastian Burckhardt prezentacja Michał Albrycht Agenda O potrzebie zrównoleglania Przykłady użycia TPL Tasks and Replicable Tasks Rozdzielanie zadań
Bardziej szczegółowoMetoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych
inż. Marek Duczkowski Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych słowa kluczowe: algorytm gradientowy, optymalizacja, określanie wodnicy W artykule
Bardziej szczegółowoProgramowanie sieciowe. Tadeusz Trzaskalik
Programowanie Tadeusz Trzaskalik 8.1. Wprowadzenie Słowa kluczowe Drzewo rozpinające Minimalne drzewo rozpinające Najkrótsza droga w sieci Wierzchołek początkowy Maksymalny przepływ w sieci Źródło Ujście
Bardziej szczegółowoSystem obliczeniowy laboratorium oraz. mnożenia macierzy
System obliczeniowy laboratorium.7. oraz przykładowe wyniki efektywności mnożenia macierzy opracował: Rafał Walkowiak Materiały dla studentów informatyki studia niestacjonarne październik 1 SYSTEMY DLA
Bardziej szczegółowoBadania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle
Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Paweł Szołtysek 12 czerwca 2008 Streszczenie Planowanie produkcji jest jednym z problemów optymalizacji dyskretnej,
Bardziej szczegółowoWYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE STOPNIE Z INFORMATYKI W KLASIE 8 opracowane na podstawie podręcznika
WYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE STOPNIE Z INFORMATYKI W KLASIE 8 opracowane na podstawie podręcznika Informatyka Europejczyka. Podręcznik do informatyki dla szkoły podstawowej. Klasa 8. Prowadzące:
Bardziej szczegółowoxx + x = 1, to y = Jeśli x = 0, to y = 0 Przykładowy układ Funkcja przykładowego układu Metody poszukiwania testów Porównanie tabel prawdy
Testowanie układów kombinacyjnych Przykładowy układ Wykrywanie błędów: 1. Sklejenie z 0 2. Sklejenie z 1 Testem danego uszkodzenia nazywa się takie wzbudzenie funkcji (wektor wejściowy), które daje błędną
Bardziej szczegółowoProgramowanie dynamiczne cz. 2
Programowanie dynamiczne cz. 2 Wykład 7 16 kwietnia 2019 (Wykład 7) Programowanie dynamiczne cz. 2 16 kwietnia 2019 1 / 19 Outline 1 Mnożenie ciągu macierzy Konstruowanie optymalnego rozwiązania 2 Podstawy
Bardziej szczegółowoNazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia
Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia Wydział Matematyki i Informatyki Instytut Informatyki i
Bardziej szczegółowoAiSD zadanie trzecie
AiSD zadanie trzecie Gliwiński Jarosław Marek Kruczyński Konrad Marek Grupa dziekańska I5 5 czerwca 2008 1 Wstęp Celem postawionym przez zadanie trzecie było tzw. sortowanie topologiczne. Jest to typ sortowania
Bardziej szczegółowoNowoczesne technologie przetwarzania informacji
Projekt Nowe metody nauczania w matematyce Nr POKL.09.04.00-14-133/11 Nowoczesne technologie przetwarzania informacji Mgr Maciej Cytowski (ICM UW) Lekcja 2: Podstawowe mechanizmy programowania równoległego
Bardziej szczegółowoRys Wykres kosztów skrócenia pojedynczej czynności. k 2. Δk 2. k 1 pp. Δk 1 T M T B T A
Ostatnim elementem przykładu jest określenie związku pomiędzy czasem trwania robót na planowanym obiekcie a kosztem jego wykonania. Związek ten określa wzrost kosztów wykonania realizacji całego przedsięwzięcia
Bardziej szczegółowoProblem komiwojażera ACO. Zagadnienie optymalizacyjne, polegające na znalezieniu minimalnego cyklu Hamiltona w pełnym grafie ważonym.
Problem komiwojażera ACO Zagadnienie optymalizacyjne, polegające na znalezieniu minimalnego cyklu Hamiltona w pełnym grafie ważonym. -Wikipedia Problem do rozwiązania zazwyczaj jest przedstawiany jako
Bardziej szczegółowoKONCEPCJA BAZY DANYCH NAWIGACYJNO-HYDROGRAFICZNEGO ZABEZPIECZENIA (NHZ) NA POLSKICH OBSZARACH MORSKICH
ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LII NR 3 (186) 2011 Czesł aw Dyrcz Akademia Marynarki Wojennej KONCEPCJA BAZY NAWIGACYJNO-HYDROGRAFICZNEGO ZABEZPIECZENIA (NHZ) NA POLSKICH OBSZARACH MORSKICH
Bardziej szczegółowoSegmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda
Segmentacja obrazów cyfrowych Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp autor: Łukasz Chlebda 1 Segmentacja obrazów cyfrowych - temat pracy Temat pracy: Aplikacja do segmentacji
Bardziej szczegółowoSPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD
Dr inż. Jacek WARCHULSKI Dr inż. Marcin WARCHULSKI Mgr inż. Witold BUŻANTOWICZ Wojskowa Akademia Techniczna SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Streszczenie: W referacie przedstawiono możliwości
Bardziej szczegółowoPlan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?
/9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoWydajność obliczeń równoległych. Krzysztof Banaś Obliczenia Wysokiej Wydajności 1
Wydajność obliczeń równoległych Krzysztof Banaś Obliczenia Wysokiej Wydajności 1 Wydajność obliczeń równoległych Podobnie jak w obliczeniach sekwencyjnych, gdzie celem optymalizacji wydajności było maksymalne
Bardziej szczegółowoWykład 1_2 Algorytmy sortowania tablic Sortowanie bąbelkowe
I. Struktury sterujące.bezpośrednie następstwo (A,B-czynności) Wykład _2 Algorytmy sortowania tablic Sortowanie bąbelkowe Elementy języka stosowanego do opisu algorytmu Elementy Poziom koncepcji Poziom
Bardziej szczegółowoOPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG
Leon KUKIEŁKA, Krzysztof KUKIEŁKA, Katarzyna GELETA, Łukasz CĄKAŁA OPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG Streszczenie Praca dotyczy optymalizacji kształtu zbiornika toroidalnego na gaz LPG. Kryterium
Bardziej szczegółowoProgramowanie dynamiczne
Programowanie dynamiczne Programowanie rekurencyjne: ZALETY: - prostota - naturalność sformułowania WADY: - trudność w oszacowaniu zasobów (czasu i pamięci) potrzebnych do realizacji Czy jest możliwe wykorzystanie
Bardziej szczegółowoPROJEKT 3 PROGRAMOWANIE RÓWNOLEGŁE. K. Górzyński (89744), D. Kosiorowski (89762) Informatyka, grupa dziekańska I3
PROJEKT 3 PROGRAMOWANIE RÓWNOLEGŁE K. Górzyński (89744), D. Kosiorowski (89762) Informatyka, grupa dziekańska I3 17 lutego 2011 Spis treści 1 Opis problemu 2 2 Implementacja problemu 3 2.1 Kod współdzielony........................
Bardziej szczegółowoREFERAT PRACY DYPLOMOWEJ
REFERAT PRACY DYPLOMOWEJ Temat pracy: Implementacja i porównanie wydajności wybranych algorytmów grafowych w warunkach obliczeń równoległych Autor pracy: Michał Podstawski Promotor: Prof. WSTI, dr hab.
Bardziej szczegółowoAlgorytmy dla maszyny PRAM
Instytut Informatyki 21 listopada 2015 PRAM Podstawowym modelem służącym do badań algorytmów równoległych jest maszyna typu PRAM. Jej głównymi składnikami są globalna pamięć oraz zbiór procesorów. Do rozważań
Bardziej szczegółowoSchemat programowania dynamicznego (ang. dynamic programming)
Schemat programowania dynamicznego (ang. dynamic programming) Jest jedną z metod rozwiązywania problemów optymalizacyjnych. Jej twórcą (1957) był amerykański matematyk Richard Ernest Bellman. Schemat ten
Bardziej szczegółowoDrzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II
Wykład 6. Drzewa cz. II 1 / 65 drzewa spinające Drzewa spinające Zliczanie drzew spinających Drzewo T nazywamy drzewem rozpinającym (spinającym) (lub dendrytem) spójnego grafu G, jeżeli jest podgrafem
Bardziej szczegółowoPętle i tablice. Spotkanie 3. Pętle: for, while, do while. Tablice. Przykłady
Pętle i tablice. Spotkanie 3 Dr inż. Dariusz JĘDRZEJCZYK Pętle: for, while, do while Tablice Przykłady 11/26/2016 AGH, Katedra Informatyki Stosowanej i Modelowania 2 Pętla w największym uproszczeniu służy
Bardziej szczegółowoPrzetwarzanie Równoległe i Rozproszone
POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI I TECHNOLOGII INFORMACYJNYCH Przetwarzanie Równoległe i Rozproszone www.pk.edu.pl/~zk/prir_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl
Bardziej szczegółowoMarcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH
Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH Przeszukiwanie przestrzeni rozwiązań, szukanie na ślepo, wszerz, w głąb. Spis treści: 1. Wprowadzenie 3. str. 1.1 Krótki Wstęp
Bardziej szczegółowoMetody uporządkowania
Metody uporządkowania W trakcie faktoryzacji macierzy rzadkiej ilość zapełnień istotnie zależy od sposobu numeracji równań. Powstaje problem odnalezienia takiej numeracji, przy której: o ilość zapełnień
Bardziej szczegółowoZastosowanie teorii grafów w Geograficznych Systemach Informacyjnych
Zastosowanie teorii grafów w Geograficznych Systemach Informacyjnych Katarzyna Lange Centrum GIS Uniwersytet Gdański Wydział Oceanografii i Geografii Najważniejsze osiągnięcia teorii grafów były rezultatem
Bardziej szczegółowoJak ujarzmić hydrę czyli programowanie równoległe w Javie. dr hab. Piotr Bała, prof. UW ICM Uniwersytet Warszawski
Jak ujarzmić hydrę czyli programowanie równoległe w Javie dr hab. Piotr Bała, prof. UW ICM Uniwersytet Warszawski Prawo Moore a Ekonomicznie optymalna liczba tranzystorów w układzie scalonym zwiększa się
Bardziej szczegółowoArchitektura komputerów
Architektura komputerów Wykład 7 Jan Kazimirski 1 Pamięć podręczna 2 Pamięć komputera - charakterystyka Położenie Procesor rejestry, pamięć podręczna Pamięć wewnętrzna pamięć podręczna, główna Pamięć zewnętrzna
Bardziej szczegółowoAlgorytmy i Struktury Danych.
Algorytmy i Struktury Danych. Grafy dr hab. Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 9 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych. Wykład 9 1 / 53
Bardziej szczegółowoPRACA DYPLOMOWA MAGISTERSKA
Politechnika Poznańska Wydział Budowy Maszyn i Zarządzania PRACA DYPLOMOWA MAGISTERSKA Konstrukcja autonomicznego robota mobilnego Małgorzata Bartoszewicz Promotor: prof. dr hab. inż. A. Milecki Zakres
Bardziej szczegółowoTworzenie programów równoległych. Krzysztof Banaś Obliczenia równoległe 1
Tworzenie programów równoległych Krzysztof Banaś Obliczenia równoległe 1 Tworzenie programów równoległych W procesie tworzenia programów równoległych istnieją dwa kroki o zasadniczym znaczeniu: wykrycie
Bardziej szczegółowoTRANSCOMP XIV INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT
TRANSCOMP XIV INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT Dariusz PIELKA 1 GPS, najlepsze trasy, oprogramowanie, testy urządzeń GPS ANALIZA WYBORU NAJLEPSZYCH TRASY
Bardziej szczegółowoTworzenie programów równoległych. Krzysztof Banaś Obliczenia równoległe 1
Tworzenie programów równoległych Krzysztof Banaś Obliczenia równoległe 1 Tworzenie programów równoległych W procesie tworzenia programów równoległych istnieją dwa kroki o zasadniczym znaczeniu: wykrycie
Bardziej szczegółowoZłożoność obliczeniowa zadania, zestaw 2
Złożoność obliczeniowa zadania, zestaw 2 Określanie złożoności obliczeniowej algorytmów, obliczanie pesymistycznej i oczekiwanej złożoności obliczeniowej 1. Dana jest tablica jednowymiarowa A o rozmiarze
Bardziej szczegółowoTeoria obliczeń i złożoność obliczeniowa
Teoria obliczeń i złożoność obliczeniowa Kontakt: dr hab. inż. Adam Kasperski, prof. PWr. pokój 509 B4 adam.kasperski@pwr.wroc.pl materiały + informacje na stronie www. Zaliczenie: Egzamin Literatura Problemy
Bardziej szczegółowoWykorzystanie architektury Intel MIC w obliczeniach typu stencil
Wykorzystanie architektury Intel MIC w obliczeniach typu stencil Kamil Halbiniak Wydział Inżynierii Mechanicznej i Informatyki Kierunek informatyka, Rok IV Instytut Informatyki Teoretycznej i Stosowanej
Bardziej szczegółowoProcesy i wątki. Krzysztof Banaś Obliczenia równoległe 1
Procesy i wątki Krzysztof Banaś Obliczenia równoległe 1 Procesy i wątki Proces: ciąg rozkazów (wątek główny) i ewentualnie inne wątki stos (wątku głównego) przestrzeń adresowa dodatkowe elementy tworzące
Bardziej szczegółowoZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Seria: TRANSPORT z. 82 Nr kol. 1903
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Seria: TRANSPORT z. 82 Nr kol. 1903 Piotr FOLĘGA 1 DOBÓR ZĘBATYCH PRZEKŁADNI FALOWYCH Streszczenie. Różnorodność typów oraz rozmiarów obecnie produkowanych zębatych
Bardziej szczegółowoWykład 8. Drzewo rozpinające (minimum spanning tree)
Wykład 8 Drzewo rozpinające (minimum spanning tree) 1 Minimalne drzewo rozpinające - przegląd Definicja problemu Własności minimalnych drzew rozpinających Algorytm Kruskala Algorytm Prima Literatura Cormen,
Bardziej szczegółowoMoc płynąca z kart graficznych
Moc płynąca z kart graficznych Cuda za darmo! Czyli programowanie generalnego przeznaczenia na kartach graficznych (GPGPU) 22 października 2013 Paweł Napieracz /20 Poruszane aspekty Przetwarzanie równoległe
Bardziej szczegółowoSystemy mrówkowe. Opracowali: Dawid Strucker, Konrad Baranowski
Systemy mrówkowe Opracowali: Dawid Strucker, Konrad Baranowski Wprowadzenie Algorytmy mrówkowe oparte są o zasadę inteligencji roju (ang. swarm intelligence). Służą głównie do znajdowania najkrótszej drogi
Bardziej szczegółowoPROBLEM ROZMIESZCZENIA MASZYN LICZĄCYCH W DUŻYCH SYSTEMACH PRZEMYSŁOWYCH AUTOMATYCZNIE STEROWANYCH
CZESŁAW KULIK PROBLEM ROZMIESZCZENIA MASZYN LICZĄCYCH W DUŻYCH SYSTEMACH PRZEMYSŁOWYCH AUTOMATYCZNIE STEROWANYCH Duże systemy przemysłowe, jak kopalnie, kombinaty metalurgiczne, chemiczne itp., mają złożoną
Bardziej szczegółowoMechanizmy pracy równoległej. Jarosław Kuchta
Mechanizmy pracy równoległej Jarosław Kuchta Zagadnienia Algorytmy wzajemnego wykluczania algorytm Dekkera Mechanizmy niskopoziomowe przerwania mechanizmy ochrony pamięci instrukcje specjalne Mechanizmy
Bardziej szczegółowoHarmonogramowanie przedsięwzięć
Harmonogramowanie przedsięwzięć Mariusz Kaleta Instytut Automatyki i Informatyki Stosowanej Politechnika Warszawska luty 2014, Warszawa Politechnika Warszawska Harmonogramowanie przedsięwzięć 1 / 25 Wstęp
Bardziej szczegółowoAlgorytm poprawny jednoznaczny szczegółowy uniwersalny skończoność efektywność (sprawność) zmiennych liniowy warunkowy iteracyjny
Algorytm to przepis; zestawienie kolejnych kroków prowadzących do wykonania określonego zadania; to uporządkowany sposób postępowania przy rozwiązywaniu zadania, problemu, z uwzględnieniem opisu danych
Bardziej szczegółowoWykład 10 Grafy, algorytmy grafowe
. Typy złożoności obliczeniowej Wykład Grafy, algorytmy grafowe Typ złożoności oznaczenie n Jedna operacja trwa µs 5 logarytmiczna lgn. s. s.7 s liniowa n. s.5 s. s Logarytmicznoliniowa nlgn. s.8 s.4 s
Bardziej szczegółowoZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Dynamiczne programowanie trasy statku z uwzględnieniem omijania cyklonów tropikalnych
ISSN 1733-8670 ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE IV MIĘDZYNARODOWA KONFERENCJA NAUKOWO-TECHNICZNA E X P L O - S H I P 2 0 0 6 Piotr Medyna, Bernard Wiśniewski, Jarosław Chomski Dynamiczne
Bardziej szczegółowoMetody optymalizacji soft-procesorów NIOS
POLITECHNIKA WARSZAWSKA Wydział Elektroniki i Technik Informacyjnych Instytut Telekomunikacji Zakład Podstaw Telekomunikacji Kamil Krawczyk Metody optymalizacji soft-procesorów NIOS Warszawa, 27.01.2011
Bardziej szczegółowo