平行粒子群最佳化應用於桁架

結構設計

指導老師：洪士林 教授

學生：洪銘澤1

背景

平行運算

最佳化

動機

目的

方法

測試案例

大綱

2

一般傳統連續程式

平行運算利用多核心處理

平行運算

3

待解問題

tN ‧‧‧ ‧‧‧ t2 t1 t0

處理器

指令待

解問

題

tN ‧‧‧ ‧‧‧ t2 t1 t0

處理器

處理器

處理器

4國道一號泰山收費站

最佳化

5

最佳化早期使用梯度作為搜尋方向的根據

優點：收斂快計、算量小

缺點：容易掉入局部最佳解

最佳化

6

0

10

20

30

40

50

60

70

80

90

100

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

搜尋初始點示意圖

又稱仿生最佳化

常見非傳統最佳化

粒子群最佳化(PSO)

基因演算法(GA)

蟻群演算法(ACO)

模擬退火眼算法(SA)

調和搜尋演算法(HS)

禁制搜尋法(TS)

非傳統最佳化

7

1995年由學者Eberhart和Kennedy提出粒子群最

佳化(Particle Swarm Optimization, PSO)

模擬動物群體行為的最佳化演算法

粒子群最佳化

8

背景

動機

為何需要平行運算

最佳化演算法缺點

目的

方法

測試案例

大綱

9

節省時間

利用更多核心減少運算時間

解決大計算量的問題

結構最佳化、模擬流體、或氣象。

更有效率地運用硬體

核心數增加

為何需要平行運算

10

粒子群最佳化

大量迭代次數

大量粒子搜尋

目標函數

本身計算量

多個局部最佳解

最佳化演算法缺點

11

背景

動機

目的

方法

測試案例

大綱

12

妥善利用電腦硬體

利用多執行緒達到平行運算效果

減少運算時間

目的

13

背景

動機

目的

方法

OpenMP

粒子群最佳化

測試案例

大綱

14

Open specification for Multi-Processing

應用程式介面(API)

多執行緒

共享記憶體

適用性

C/C++和Fortran

Fork-Join模型

編譯器指導指令基礎(compiler directive based)

OpenMP

15

Fork-Join

16

A B C A B C D A B

A

B

C

D

A

B

C

A

B

粒子群最佳化

17

粒子群最佳化

18

粒子群最佳化

19

20