Алгоритм параллельного вычисления быстрого преобразования Фурье для сигнальных процессоров

Основной цикл запускается с заданным количеством исполнений (по количеству окон, рассчитанному ранее). На каждой итерации цикла происходит отбор данных для образования окна нужной ширины. С окном производятся специальные манипуляции, такие как расчёт спектров в зависимости от рассчитываемых корреляционных функций. Далее данные окна умножаются на соответствующие значения оконной функции, вид которой выбирается параметром Win (функциональные зависимости используемых оконных функций приведены в приложении А). Путём накопления производится расчёт нужных усреднённых спектров, с целью оптимизации работы с памятью.

После выхода из основного цикла имеем необходимые значения усреднённых спектров. Используя тривиальные поэлементные арифметические операции, получаем функции фазовой и классической когерентности. Распараллеливание проводилось с использованием технологий OpenMP и Intel Threading Building Blocks (TBB).

Выбор OpenMP обусловлен пространственной локализованностью данных, а Intel TBB используется для рекурсивного обхода графа «бабочки» при вычислении быстрого преобразования Фурье с прореживанием по времени по алгоритму Кули-Тьюки, поскольку подобный подход к вычислению подразумевает использование схемы проведения параллелизма по задачам, а не по данным [22]. Встроенная графическая подсистема используется как дополнительный сопроцессор с целью проведения расчётов общего назначения путём использования технологии Intel OpenMP.

Для оценки производительности параллельных вычислений было создано экспериментальное программное обеспечение и проведен ряд тестов на модельных примерах. Результаты приведены в таблицах 14-16.

Таблица 14

Временные замеры для ЦП Intel Core i5 - 4120U

SizeWin	N	Ts, с.	Tp, с.
32768	524288	0,80457928	0,28703061
	1048576	1,51614394	0,53027460
	2097152	2,78362333	1,14019359
	4194304	5,12695822	2,24324965
65536	524288	0,75473047	0,29546225
	1048576	1,61795367	0,54134352
	2097152	2,72291506	1,16609220
	4194304	4,36228267	2,31716907
131072	524288	0,85269453	0,31004782
	1048576	1,73769563	0,60892330
	2097152	3,34658725	1,15567652
	4194304	6,54859115	2,37563113

Таблица 15

Временные замеры для ЦП Intel Core i7-4720HQ

SizeWin	N	Ts, с.	Tp, с.
32768	524288	0,18011336	0,06227640
	1048576	0,36039675	0,12418487
	2097152	0,74134472	0,25413144
	4194304	1,46739944	0,50571588
65536	524288	0,19276437	0,06430376
	1048576	0,38751110	0,13071008
	2097152	0,78156630	0,25861896
	4194304	1,56047757	0,52064883
131072	524288	0,20895459	0,06924143
	1048576	0,40615569	0,13826469
	2097152	0,82452341	0,27257492
	4194304	1,63163761	0,51953247

Таблица 16

Временные замеры для ЦП AMD FX-9590

SizeWin	N	Ts, с.	Tp, с.
32768	524288	0,26451463	0,09230106
	1048576	0,52766624	0,18308529
	2097152	1,04821798	0,37058183
	4194304	2,10990890	0,74039652
65536	524288	0,27907796	0,09873728
	1048576	0,55590394	0,19390509
	2097152	1,10396199	0,38616820
	4194304	2,20264976	0,78220013
131072	524288	0,30077998	0,11703537
	1048576	0,59171828	0,21650298
	2097152	1,17503651	0,42139986
	4194304	2,33823134	0,78220013

2.3.2 Анализ эффективности распараллеливания функций когерентности

Результаты расчёта показателей эффективности для параллельной реализации функций когерентности приведены в таблицах 17-19.

Таблица 17

Показатели качества распараллеливания вычисления функций когерентности для ЦП Intel Core i5 - 4120U

SizeWin	N	S	E, %	T0, c.
32768	524288	2,80312	70,078	0.34509
	1048576	2,85917	71,479	0.60785
	2097152	2,44136	61,034	1.78158
32768	4194304	2,28551	57,138	3.84997
65536	524288	2,55441	63,860	0,42856
	1048576	2,98878	74,719	0,55061
	2097152	2,33508	58,377	1,94502
	4194304	1,88259	47,065	4,91163
131072	524288	2,75020	68,755	0,38819
	1048576	2,85372	71,343	0,69946
	2097152	2,89578	72,395	1,28100
	4194304	2,75657	68,914	2,95785

Таблица 18

Показатели качества распараллеливания вычисления ВКФ для ЦП Intel Core i7-4720HQ

SizeWin	N	S	E, %	T0
32768	524288	2,89217	36,152	0,31905
	1048576	2,90210	36,276	0,63432
	2097152	2,91718	36,465	1,29432
	4194304	2,90163	36,270	2,58187
65536	524288	2,99773	37,472	0,32272
	1048576	2,96467	37,058	0,66000
	2097152	3,02208	37,776	1,28995
	4194304	2,99718	37,465	2,60850
131072	524288	3,01778	37,722	0,34608
	1048576	2,93753	36,719	0,70194
	2097152	3,02495	37,812	1,35893
	4194304	3,14059	39,257	2,52850

Таблица 19

Показатели качества распараллеливания вычисления ВКФ для ЦП AMD FX-9590

SizeWin	N	S	E, %	T0
32768	524288	2,86579	35,822	0,47492
	1048576	2,88208	36,026	0,93769
	2097152	2,82857	35,357	1,91739
	4194304	2,84970	35,621	3,81458
65536	524288	2,82647	35,331	0,51141
	1048576	2,86689	35,836	0,99600
	2097152	2,85876	35,734	1,98620
	4194304	2,81597	35,200	4,05595
131072	524288	2,56999	32,125	0,63600
	1048576	2,73307	34,163	1,14091
	2097152	2,78841	34,855	2,19689
	4194304	2,98930	37,366	3,92037

Зависимости ускорения от размера выборки при различных значениях SizeWin показаны на рисунках 23-25.

Рисунок 23 - Зависимость ускорения от размера исходного анализируемого сигнала (SizeWin = 32768)

Рисунок 24 - Зависимость ускорения от размера исходного анализируемого сигнала (SizeWin = 65536)

Рисунок 25 - Зависимость ускорения от размера исходного анализируемого сигнала (SizeWin = 131072)

Ускорение на исследуемых процессорах обладает постоянным значением, не зависящим от размера исходной анализируемой выборки, однако для процессора Intel Core i5-4120U при размере окна 65536 отмечено убывание этой величины при увеличении размера исходной анализируемой выборки. Более глубокое исследование происходящих процессов в момент вычислений в профилировщике Visual Studio показало неэффективность выделения памяти стандартным аллокатором языка C++, к тому же он не обладает параллелизмом, что в соответствии со вторым законом Амдала, накладывает ограничение на величину максимального ускорения.

На рисунках 26-28 приведены зависимости эффективности использования вычислительных ресурсов от количества отсчётов анализируемого сигнала.

Рисунок 26 - Зависимость эффективности использования вычислительных ресурсов от размера исходного анализируемого сигнала (SizeWin = 32768)

Размещено на http://www.Allbest.Ru/

Рисунок 27 - Зависимость эффективности использования вычислительных ресурсов от размера исходного анализируемого сигнала (SizeWin = 65536)

Рисунок 28 - Зависимость эффективности использования вычислительных ресурсов от размера исходного анализируемого сигнала (SizeWin = 131072)

Анализ по показателю эффективности использования подтверждает выводы, сделанные ранее.

Зависимость показателя «ускорение» от размера окна Sw приведена на рисунке 29.

Рисунок 29 - Зависимости ускорения от размера окна

Исследуем балансировку нагрузки в параллельной реализации расчёта функций когерентности. Установим N = 16777216, SizeWin = 1048576.

Рисунок 30 - Исследование балансировки загрузки

Кривая зависимости загруженности ЦП (при задействовании всех ядер) практически симметричная относительно центрального значения, что свидетельствует о том, что загрузка между вычислительными ядрами распределена равномерно.

Алгоритм способен использовать не менее 60% всей производительности ЦП. Не способность достигнуть абсолютного пика загрузки может быть объяснена последовательной работой средств выделения области памяти в ОЗУ.

2.3.3 Оптимизация работы с памятью при расчёте функций когерентности

Будем использовать scalable_malloc из библиотеки Intel TBB с выравниванием в памяти на 32 байта (так как текущая реализация компилируется под архитектуру x86), поскольку значения, выравненные на 32 байта, уже является также выравненными и на 16 байт (что необходимо для повышения производительности при работе с векторными регистрами и инструкциями процессора [20]). К тому же выравнивание на 32 байта возможно увеличит вероятность попадания значений в кэш-память [19]. Дополнительно, будем принудительно упреждающе записывать каждое требуемое значение заранее на 32 итерации в кэш-память первого уровня в каждом цикле.

Установим N = 16777216, SizeWin = 1048576.

Зависимость загруженности ЦП от времени приведена на рисунке 31.

Рисунок 31 - Исследование балансировки нагрузки с модифицированным аллокатором памяти

Повторим временные замеры для ЦП Intel Core i7 - 4720HQ. Результаты приведены в таблице 20.

Таблица 20

Временные замеры на ЦП Intel Core i7 - 4720HQ

SizeWin	N	Tp
32768	524288	0,05387115
	1048576	0,10767615
	2097152	0,21659516
	4194304	0,42772376
65536	524288	0,05543773
	1048576	0,11245164
	2097152	0,21920781
	4194304	0,43542581
131072	524288	0,05826731
	1048576	0,11609173
	2097152	0,22765786
	4194304	0,45038703

Показатели эффективности распараллеливания указаны в таблице 21.

Таблица 21

Показатели качества распараллеливания

SizeWin	N	S	E, %	T
32768	524288	3,34341	41,793	0,25134
	1048576	3,34705	41,838	0,50185
	2097152	3,42272	42,784	0,99299
	4194304	3,43072	42,884	1,95607
65536	524288	3,47714	43,464	0,25137
	1048576	3,44603	43,075	0,51337
	2097152	3,56541	44,568	0,97343
	4194304	3,58380	44,797	1,92458
131072	524288	3,58614	44,827	0,25783
	1048576	3,49858	43,732	0,52359
	2097152	3,62177	45,272	0,99795
	4194304	3,62275	45,284	1,97298

Сравнение показателя «ускорение» оптимизированной и неоптимизированной версий вычисления функций когерентности для ЦП Intel Core i7-4720HQ приведено на рисунках 32-34.

Рисунок 32 - Сравнение показателя «ускорение» оптимизированной и неоптимизированной версий вычисления функций когерентности (SizeWin = 32768)

Рисунок 33 - Сравнение показателя «ускорение» оптимизированной и неоптимизированной версий вычисления функций когерентности (SizeWin = 65536)

Рисунок 34 - Сравнение показателя «ускорение» оптимизированной и неоптимизированной версий вычисления функций когерентности (SizeWin = 131072)



Сравнение показателя «эффективность использования вычислительных ресурсов» оптимизированной и неоптимизированной версий вычисления функций когерентности для ЦП Intel Core i7-4720HQ приведено на рисунках 35-37.

Рисунок 35 - Сравнение показателя «эффективность использования вычислительных ресурсов» оптимизированной и неоптимизированной версий вычисления функций когерентности (SizeWin = 32768)

Рисунок 36 - Сравнение показателя «эффективность использования вычислительных ресурсов» оптимизированной и неоптимизированной версий вычисления функций когерентности (SizeWin = 65536)

Рисунок 37 - Сравнение показателя «эффективность использования вычислительных ресурсов» оптимизированной и неоптимизированной версий вычисления функций когерентности (SizeWin = 131072)

Таким образом, оптимизация работы с памятью позволили добиться большего значения ускорения.

2.4 Исследование частотно-временных корреляционных функций

2.4.1 Последовательная и параллельная реализация расчёта частотно-временных корреляционных функций

По алгоритму, описанному в пункте 1.2, реализовано последовательное вычисление частотно-временных корреляционных функций.

Вычисление ЧВ ВКФ в параллельной реализации представлено в шаблоне библиотеки Intel TBB как логическая задача класса tbb::task, которая в свою очередь порождает другие вычислительные логические задачи в момент разбиения исходной анализируемой последовательности. После объединения последовательностей, соответственно созданные задачи уничтожаются.

Экспериментальные исследования были проведены на модельных примерах с размером выборки 4-131072 отсчётов. Массив входных данных состоял преимущественно из действительных чисел. Экспериментальные исследования проведены на трех процессорах фирмы Intel: Core 2 Quad 6700,

Xeon® 5160, Core i5-750 и на двух процессорах фирмы AMD: A10-4600M и FX-9590.

В таблицах 22-23 приведены временные результаты вычисления частотно-временной корреляционной функции в реализации без распараллеливания.



Таблица 22

Результаты последовательного вычисления частотно-временных корреляционных функций (1000 частотных полос) для ЦП Intel

Размер выборки	Intel Core 2 Q6700, c.	Intel Xeon 5160, c.	Intel Core i5 -750, c.
1024	0,37522401	0,34205255	0,20875792
2048	0,83770059	0,76673627	0,45174448
4096	1,84954072	1,69726724	0,97763759
8192	4,04512468	3,73354079	2,12497795
16384	8,79411361	8,14678978	4,60709123
32768	19,09070662	17,88018213	9,91254109
65536	41,3693051	39,70323124	21,21207162
131072	89,86807574	87,79038799	45,51895855

Таблица 23

Результаты последовательного вычисления частотно- временных корреляционных функций (1000 частотных полос) для ЦП AMD

Размер выборки	AMD A10-4600M, c.	AMD FX-9590, c.
1024	0,31700037	0,26504610
2048	0,70612201	0,58812347
4096	1,55315259	1,30066356
8192	3,40376491	2,83458472
16384	7,38124004	6,14085837
32768	15,93636503	13,22242726
65536	36,75824680	28,39136582
131072	86,34868082	62,39874054

Временные результаты параллельного вычисления частотно-временной корреляционной функции приведены таблицах 24-25.

Таблица 24

Результаты параллельного вычисления частотно- временных корреляционных функций (1000 частотных полос) для ЦП Intel

Размер выборки	Intel Core 2 Q6700, c.	Intel Xeon 5160, c.	Intel Core i5 -750, c.
1024	0,19744368	0,20158487	0,11358053
2048	0,38273431	0,45008678	0,22350668
4096	0,76731942	0,96564048	0,45304404
8192	1,57414678	2,09013712	0,93635633
16384	3,28289086	4,48290647	1,98189645
32768	6,93412055	9,53532586	4,12308193
65536	14,81615122	21,40685781	8,65529025
131072	32,02688490	47,06267879	18,33355527

Таблица 25

Результаты параллельного вычисления частотно-временных корреляционных функций (1000 частотных полос) для ЦП AMD

Размер выборки	AMD A10-4600M, c.	AMD FX-9590
1024	0,24690543	0,15469641
2048	0,45161624	0,26108315
4096	0,87601115	0,48204926
8192	1,76552369	1,00310963
16384	3,59892007	1,82349723
32768	7,55086905	3,75116423
65536	17,21847357	7,62997268
131072	42,09437554	18,27601009

Полный анализ эффективности распараллеливания вычисления частотно-временной корреляционной функции проведён в приложении В.

2.4.2 Применение архитектурных и компиляторных оптимизаций к вычислению частотно-временных корреляционных функций

К реализации из предыдущего пункта были применены компиляторные и архитектурные оптимизации, описанные в приложении Б. После этого были проведены экспериментальные исследования на модельных примерах с размером выборки 1024-131072 отсчётов. Массив входных данных состоял из действительных чисел. Экспериментальные исследования проведены на трех процессорах фирмы Intel: Core 2 Quad 6700, Xeon® 5160, Core i5-750 и на двух процессорах фирмы AMD: A10-4600M и FX-9590.



Таблица 26

Результаты вычисления частотно-временных корреляционных функций (1000 частотных полос) для ЦП Intel

Размер выборки	Intel Core 2 Q6700, c.	Intel Xeon 5160, c.	Intel Core i5 -750, c.
1024	0,11391602	0,08779794	0,08634294
2048	0,17460825	0,19882001	0,12526308
4096	0,36175736	0,45307406	0,26666284
8192	0,74962168	0,90002299	0,57323308
16384	1,56582589	1,89916685	1,24281177
32768	3,27783766	4,05206762	2,58491180
65536	7,08605081	8,96783183	5,43658593
131072	15,97687966	25,52360190	11,47536066

Таблица 27

Результаты вычисления частотно-временных корреляционных функций (1000 частотных полос) для ЦП AMD

Размер выборки	AMD A10-4600M, c.	AMD FX-9590
1024	0,15021017	0,09788834
2048	0,22342631	0,14719692
4096	0,50893134	0,30391408
8192	1,15088279	0,61332728
16384	2,33132857	1,20747645
32768	4,76656027	2,44402585
65536	10,58352126	5,04210340
131072	29,29356572	10,10045927

На рисунке 38 представлено отношение времени выполнения реализации алгоритма ЧВ ВКФ без использования архитектурных и компиляторных оптимизаций (t₁) ко времени выполнения реализации алгоритма ЧВ ВКФ с использованием компиляторных и архитектурных оптимизаций (t₂).



Рисунок 38 - Зависимость отношения t₁/t₂ от размера выборки

Отметим, что при N?2048 наблюдается прирост в производительности расчёта.



3. Финансовый менеджмент, ресурсоэффективность и ресурсосбережение

3.1 Оценка коммерческого потенциала и перспективности с позиции ресурсоэффективности и ресурсосбережения

3.1.1 Потенциальные потребители результатов исследования

Продукт: течепоисковый комплекс (высокопроизводительный мобильный), использующий оригинальный математический аппарат частотно-временных корреляционных функций для обработки данных, поступающих с обследуемого трубопровода. Целевой рынок: нефтеперерабатывающие предприятия, коммунальное хозяйство.

	Виды течеискателей
	Портативные	Универсальные	Высоко-производительные мобильные	Высоко-производительные - консольные
Размер компании	Крупные
	Средние
	Мелкие
	PFEIFFER		VACUUM		GUTERMANN

Рисунок 39 - Карта сегментирования рынка течеискателей по их типу

Таким образом, основными конкурентами является компании PFEIFFER VACUUM и GUTERMANN

3.1.2 Анализ конкурентных технических решений

Таблица 28

Оценочная карта для сравнения конкурентных технических решений

Критерии оценки	Вес критерия	Баллы	Конкурентоспособность
		Бф	Бк1	Бк2	Кф	Кк1	Кк2
1	2	3	4	5	6	7	8
Технические критерии оценки ресурсоэффективности
1. Повышение производительности труда пользователя	0,09	5	4	4	0,45	0,36	0,36
2. Удобство в эксплуатации (соответствует требованиям потребителей)	0,18	5	4	4	0,90	0,72	0,72
3. Надежность	0,13	5	3	4	0,65	0,39	0,52
4, Простота эксплуатации	0,12	4	5	5	0,48	0,60	0,60
5. Качество интеллектуального интерфейса	0,09	5	4	4	0,45	0,36	0,36
Экономические критерии оценки эффективности
1. Конкурентоспособность продукта	0,08	5	4	4	0,40	0,32	0,32
2. Уровень проникновения на рынок	0,07	3	5	5	0,21	0,35	0,35
3. Цена	0,09	5	3	4	0,45	0,27	0,36
4. Предполагаемый срок эксплуатации	0,08	5	3	4	0,40	0,24	0,32
5. Послепродажное обслуживание	0,07	5	4	4	0,35	0,28	0,28
Итого	1	47	39	42	4,74	3,89	4,19

Использование высокопроизводительных технологий параллельного программирования и архитектуры x86-x64 позволяет добиться более высоких технических и экономических оценок эффективности.

3.1.3 SWOT-анализ

SWOT - Strengths (сильные стороны), Weaknesses (слабые стороны), Opportunities (возможности) и Threats (угрозы) - представляет собой комплексный анализ научно-исследовательского проекта [24].

Таблица 29

SWOT-анализ

	Сильные стороны научно- исследовательского проекта: С1. Заявленная экономичность и энергоэффективность технологии. С2. Экологичность технологии. С3. Более низкая стоимость производства по сравнению с другими технологиями. С4. Квалифицированный персонал.	Слабые стороны научно- исследовательского проекта: Сл1. Отсутствие у потенциальных потребителей квалифицированных кадров Сл2. Отсутствие инжиниринговой услуги, способной обучить работать в рамках проекта Сл3. Отсутствие необходимого оборудования для проведения испытания опытного образца Сл4. Большой срок поставок материалов и комплектующих, используемых при проведении научного исследования
Возможности: В1. Использование инновационной инфраструктуры ТПУ В2. Появление дополнительного спроса на новый продукт В3. Снижение таможенных пошлин на сырье и материалы, используемые при научных исследованиях В4. Повышение стоимости конкурентных разработок	СиУ: Разработка течепоискового комплекса, обладающего более высокими показа...

Подобные документы

• Параллельные алгоритмы двумерного быстрого преобразования Фурье

  Сигнал как некоторое средство для передачи информации. Знакомство с параллельными алгоритмами двумерного быстрого преобразования Фурье, анализ способов вычисления. Общая характеристика процессора Power5 64-bit RISC. Рассмотрение функций библиотеки MPI.
  
  дипломная работа [1,6 M], добавлен 09.10.2013
  

• Разработка программно-математического обеспечения корреляционного совмещения изображений с использованием быстрого преобразования Фурье

  Анализ проблем, возникающих при совмещении изображений в корреляционно-экстремальных навигационных системах. Использование двумерного дискретного преобразования Фурье. Нахождение корреляционной функции радиолокационного и моделируемого изображений.
  
  дипломная работа [3,6 M], добавлен 07.07.2012
  

• Дискретное преобразование Фурье

  Разработка функции вычисления дискретного преобразования Фурье от входного вектора. Исследование свойств симметрии ДПФ при мнимых, четных и нечетных входных сигналах. Применение обратного преобразования Фурье для генерации периодической функции косинуса.
  
  лабораторная работа [228,8 K], добавлен 13.11.2010
  

• Разработка и анализ линейных алгоритмов для вычисления вариантов сложной функции

  Разработка и анализ алгоритмов с использованием электронных таблиц и прикладных программ Smath Studio, Microsoft Excel. Проверка алгоритма ветвления или выбора. Реализация циклов на примере вычисления определённого интеграла с заданной точностью.
  
  контрольная работа [1,0 M], добавлен 19.03.2016
  

• Программирование и исследование алгоритмов вычисления определенных интегралов

  Методы и алгоритмы вычисления определенных интегралов: метод трапеций и метод Симпсона (метод парабол). Оформление функции вычисления заданного определённого интеграла на Visual Basic 6.0. Программный код функции. Создание приложения для вычисления.
  
  курсовая работа [483,6 K], добавлен 25.06.2014
  

• Разработка и реализация вычислительного устройства в программе "Minecraft"

  Разработка вычислительного комплекса для преобразования параллельного десятичного кода в двоичный; вычисления суммы или разности; преобразования результата обратно в десятичный код и отображения на дисплее. Схемы логических элементов программы Minecraft.
  
  курсовая работа [2,5 M], добавлен 25.01.2013
  

• Написание программ вычисления функций

  Принципы разработки математических моделей, алгоритмов и программ. Составление программы вычисления функции с использованием нестандартных функций. Нахождение значения корней нелинейного уравнения по методу касательных. Программа для вычисления интеграла.
  
  курсовая работа [568,3 K], добавлен 07.03.2015
  

• Составление алгоритмов и программ вычисления функций

  Использование нестандартных функций и подпрограмм (процедур) для составления алгоритмов вычислений. Программы для вычисления значение корней нелинейного уравнения по методу половинного деления. Составление алгоритма операций над матрицами и интегралами.
  
  курсовая работа [580,0 K], добавлен 23.08.2015
  

• Разработка алгоритмов и программ решения алгебраических задач численными методами

  Создание схем алгоритмов и составление программы на языке Pascal для вычисления значений заданных функций. Сущность и порядок нахождения значения определенного интеграла. Анализ работы подпрограмм. Разработка тестов для проверки правильности алгоритмов.
  
  контрольная работа [831,0 K], добавлен 24.11.2013
  

• Разработка алгоритма идентификации

  Состав и принцип работы аппаратуры. Выбор параметров корреляционного анализа и Фурье-анализа. Разработка и применение алгоритма корреляционного анализа. Реализация алгоритма Фурье-анализа на языке С++ и алгоритма корреляционного анализа на языке С#.
  
  дипломная работа [4,6 M], добавлен 30.11.2016
  

• Разработка специализированного процессора для исполнения элементарных функций

  Математический процессор для вычисления элементарных функций. Расчет разрядности представления данных и числа итераций. Разработка алгоритмов вычисления функции в математическом пакете. Обоснование достаточности аппаратных средств, программных ресурсов.
  
  курсовая работа [615,9 K], добавлен 19.12.2010
  

• Оптимизация структуры распределённого параллельного генетического алгоритма

  Основные особенности эволюционных алгоритмов. Описание алгоритмов селекции, мутации, скрещивания, применяемых для реализации генетических алгоритмов. Вычисление функции приспособленности. Программная реализация. Тестирование и руководство пользователя.
  
  курсовая работа [1,3 M], добавлен 11.03.2014
  

• Вычисления по формулам. Разветвления. Циклы

  Особенности вычисления по формулам в Microsoft Visual Basic с использованием функции If. Применение циклов и разветвлений. Визуальные объекты, составление алгоритмов задачи, блок-схемы и программного кода. Введение переменных, определение типа данных.
  
  лабораторная работа [558,5 K], добавлен 23.05.2014
  

• Исследование алгоритмов принятия решений и обучение в программировании робототехнических устройств

  Анализ методов реализации интеллектуальных игр в системе человек-робот. Разработка архитектуры программного комплекса, выбор языка программирования. Алгоритм преобразования данных. Тестирование программного комплекса, редактирование и исправление ошибок.
  
  дипломная работа [2,6 M], добавлен 27.10.2017
  

• Оценка временной сложности некоторых классов алгоритмов

  Понятие алгоритма и анализ теоретических оценок временной сложности алгоритмов умножения матриц. Сравнительный анализ оценки временной сложности некоторых классов алгоритмов обычным программированием и программированием с помощью технологии Open MP.
  
  дипломная работа [1,6 M], добавлен 12.08.2017
  

• Программирование циклических алгоритмов на С/С++

  Описание особенностей программирования циклических алгоритмов на С/С++. Использование операторов цикла для организации повтора в программе определенных действий. Создание и реализация программы приближенного вычисления интеграла методом трапеций.
  
  лабораторная работа [86,3 K], добавлен 25.03.2019
  

• Обработка данных в автоматизированных системах

  Техническое обеспечение, расчет информационно-измерительного канала системы автоматического управления. Методическое обеспечение: описание модели АЦП, спектральный анализ на основе преобразования Фурье. Разработка прикладного программного обеспечения.
  
  курсовая работа [501,2 K], добавлен 21.05.2010
  

• Квантовые вычисления

  Основные понятия квантовой механики, понятия и принципы квантовых вычислений. Возможность построения квантового компьютера, и его преимущества перед "классическим". Алгоритм Гровера - квантовый алгоритм быстрого поиска в неупорядоченной базе данных.
  
  реферат [241,0 K], добавлен 07.05.2009
  

• Программное обеспечение вычислений

  Создание программ в Borland C++ Builder 6.0. Разработка программы для построения графика временной функции, работающей, как в машинном, так и в реальном времени. Использование алгоритма Горнера для вычисления корня квадратного и нелинейного уравнений.
  
  контрольная работа [925,2 K], добавлен 05.01.2016
  

• Разработка программы на языке Assembler с использованием процедур

  Создание программы для вычисления значения функции на основе определённой формулы. Уточнение структуры входных и выходных данных и определение ассемблерного формата их представления. Разработка алгоритмов для реализации работы программного обеспечения.
  
  курсовая работа [240,6 K], добавлен 17.06.2013
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам