ИМИТАЦИОННАЯ МОДЕЛЬ ГРАФИЧЕСКОГО МУЛЬТИПРОЦЕССОРА НА ОСНОВЕ ТЕОРИИ СЕТЕЙ ПЕТРИ
https://doi.org/10.21869/2223-1560-2018-22-5-127-135
Аннотация
В работе рассматривается проблема создания имитационных моделей графического мультипроцессора для проведения вычислительных экспериментов с целью определения эффективности применения параллельных вычислений на основе технологии GPGPU(General-purposecomputingforgraphicsprocessingunits, неспециализированные вычисления на графических процессорах) в задачах структурно-параметрического синтеза больших дискретных систем на основе эволюционных процедур. В качестве математического аппарата предлагается использование теории сетей Петри, которая обладает свойством параллелизма и позволяет описывать дискретные процессы, протекающие как в генетическом алгоритме, так и в самой вычислительной системе. Разработка имитационной модели выполняется на основе архитектуры памяти графического мультипроцессорного модуля с учетом специфики ее работы, связанной с возможностью чтения, записи и передачи данных. Кроме того, рассмотрена особенность работы арифметико-логических устройств, которые способны выполнять одновременно одну команду над множеством данных. При построении модели учтена особенность графических мультипроцессоров, которая позволяет получить больший эффект от применения параллельных вычислений избегая срабатывания блоков ветвлений и управления, которые замедляют работу мультипроцессора (так как их количество меньше, чем количество вычислителей), образуя тем самым «узкие» места. Предложенная имитационная модель мультипроцессорного блока на основе выбранного инструментального средства, реализованная с помощью специализированного программного средства имитационного моделирования на базе теории сетей Петри – PIPE 5. Данное программное средство распространяется бесплатно и обладает широким спектром инструментальных и аналитических средств, что в значительной мере упрощает как процесс моделирования, так и процесс анализа полученных моделей. Полученная в результате исследования модель даст возможность оценить эффективность применения параллельных вычислений на основе технологии GPGPU при решении задачи повышения быстродействия интеллектуальных информационных систем поддержки принятия решений на базе адаптированных к предметной области генетических алгоритмов.
Ключевые слова
Об авторах
Д. А. ПетросовРоссия
Кандидат технических наук, доцент
308503, Белгород, пос. Майский, ул. Вавилова, 1
Н. В. Петросова
Россия
Преподаватель
308503, Белгород, пос. Майский, ул. Вавилова, 1
А. Г. Бажанов
Россия
Кандидат технических наук
308503, Белгород, пос. Майский, ул. Вавилова, 1
О. И. Бажанова
Россия
Кандидат технических наук, доцент
308503, Белгород, пос. Майский, ул. Вавилова, 1
Список литературы
1. Al-Mouhamed M., Khan A.H. Exploration of automatic optimisation for CUDA programming // International Journal of Parallel, Emergent and Distributed Systems. 2015.Vol. 30. Issue 4. Pp. 309 – 324. doi: 10.1080/17445760.2014.953158.
2. Петросов Д.А. Адаптация генетического алгоритма при моделировании вычислительной техники с изменяющейся структурой и набором компонентов на основе сетей Петри // Вопросы современной науки и практики. Университет им. В.И. Вернадского. 2009. № 6 (20). С. 151 – 160.
3. Петросов Д.А. Применение параллельных вычислений в интеллектуальных системах управления // Информационно-аналитические системы и технологии:материалы V международной конференции. 2018. С. 24 – 29.
4. Hart W. E., Baden S., Belew R. K., Kohn S. Analysis of the Numerical Effects of Parallelism on a Parallel Genetic Algo-rithm. In IEEE (ed.): CD-ROM IPPS97. 1997. 8p.
5. Al-Dabass D., Vindlacheruvu P., Evans D.J. Parallelism in neural nets // Parallel Algorithms and Applications. 1997. Is. 3-4. Pp. 169 – 185.
6. Lomazova I. A. Resource Equivalences in Petri Nets, in: Application and Theory of Petri Nets and Concurrency. 38th International Conference, PETRI NETS 2017, Zaragoza, Spain, June 25–30, 2017, Proceedings/ Ed. By W. van der Aalst E. Best. Vol. 10258: Lecture Notes in Computer Science. Switzerland: Springer, 2017. Pp. 19 – 34.
7. Подходы к построению дискретных моделей непрерывных технологических процессов для синтеза управляющих автоматов / В.З. Магергут, В.А. Игнатенко, А.Г., Бажанов В.Г. Шаптала // Вестник БГТУ им. В.Г. Шухова. 2013. № 2. С. 100 – 102.
8. Магергут В.З., Рубанов В.Г., Чуев А.С. Формализация и анализ дискретных организационно-технологических систем со структурированными агентами на индикаторных сетях: монография. Белгород: БГТУ, 2016. 149 с.
9. Басавин Д.А., Петросов Д.А., Игнатенко В.А. Применение технологии GPGPU в задачах создания интеллектуальных систем поддержки принятия решений // Высокие интеллектуальные технологии в науке и образовании:материалы IV Международной научно-практической конференции. СПб., 2017. С. 63 – 65.
10. Amdahl, Gene M. Validity of the Single Processor Approach to Achieving Large-Scale Computing Capabilities // AFIPS Conference Proceedings. Pp. 483–485. doi:10.1145/1465482.1465560.
Рецензия
Для цитирования:
Петросов Д.А., Петросова Н.В., Бажанов А.Г., Бажанова О.И. ИМИТАЦИОННАЯ МОДЕЛЬ ГРАФИЧЕСКОГО МУЛЬТИПРОЦЕССОРА НА ОСНОВЕ ТЕОРИИ СЕТЕЙ ПЕТРИ. Известия Юго-Западного государственного университета. 2018;22(5):127-135. https://doi.org/10.21869/2223-1560-2018-22-5-127-135
For citation:
Petrosov D.A., Petrosova N.V., Bazhanov A.G., Bazhanova O.I. SIMULATION MODEL OF GRAPHIC MULTIPROCESSOR BASED ON THE PETRI NETS THEORY. Proceedings of the Southwest State University. 2018;22(5):127-135. (In Russ.) https://doi.org/10.21869/2223-1560-2018-22-5-127-135