PSIVIA-HP:Paralelização do algoritmo SIVIA (Set Inversion via Intervalar Analysis) para Plataformas Heterogêneas/[recuso eletrônico]/Luiz Guilherme Hilel Drumond Silveira; orientador: Carlos Augusto Paiva da Silva Martins; co-orientador: Luís Fabrício Wanderley Góes

Autor: Silveira, Luiz Guilherme Hilel Drumond
Přispěvatelé: Martins, Carlos Augusto Paiva da Silva orientador, Góes, Luís Fabrício Wanderley Coorientador, Pontifícia Universidade Católica de Minas Gerais.Programa de Pós-Graduação em Engenharia Elétrica Instituição
Jazyk: portugalština
Rok vydání: 2013
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da PUC_MINAS
Pontifícia Universidade Católica de Minas Gerais (PUC MINAS)
instacron:PUC_MINS
Popis: Dissertação (Mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Eletrica. Bibliografia: f. 88-89 Com a diversidade de plataformas paralelas disponíveis e a possibilidade de utilização do paralelismo para viabilizar a utilização de técnicas e aplicações que antes demandavam grande potencial computacional, é fundamental a possibilidade de poder integrar as mais diversas plataformas paralelas. Para tal, foi desenvolvido um modelo de programação paralela que provê interoperabilidade do seu código em plataformas paralelas heterogêneas denominada por OpenCL. Uma dessas técnicas numéricas que demanda grande poder computacional é o algoritmo SIVIA (Set Inverter Via Interval Analysis). Este algoritmo requer um alto nível de processamento estar baseado na matemática intervalar. O presente trabalho apresenta uma proposta de paralelização do algoritmo SIVIA em OpenCL para ser executado em plataformas heterogêneas. A abordagem adotada não foi a paralelização de algum módulo do algoritmo, mas a decomposição do espaço de busca, permitindo assim que desde a primeira iteração hajam intervalos sob avaliação. Para validação foram utilizadas três funções de complexidades distintas, a saber as funções polinomial, logarítmica e exponencial. As execuções em CPU apresentaram escalabilidade para todos os tipos de funções utilizadas, sendo a menor escalabilidade de 4 Work-Items na função exponencial. Em GPU o espaço de busca reduzido e o tamanho de grupo igual ao número de Stream Processors em um Stream MultiProcessor alcançaram os melhores resultados. Os ganhos máximos alcançados pelo Kernel do PSIVIA-HP em relação à execução sequencial foi de 51 vezes em CPU na função exponencial e 41 vezes em GPU na função logarítmica. Porém, aplicações em OpenCL não dependem apenas do desempenho do Kernel, pois há o tempo de preparação do dispositivo. Dessa maneira, com os compiladores e os dispositivos utilizados, o tempo de preparação do dispositivo em CPU foi maior do que em GPU, caracterizando uma dependência relativa aos compiladores OpenCL dos fabricantes dos dispositivos. Mesmo com esta dependência, o PSIVIA-HP se apresentou com uma abordagem que possibilita alto desempenho em relação a abordagens sequenciais. Palavras-chave: Processamento Paralelo. Computação em Plataformas Heterogêneas. Mulicore. GP-GPU. OpenCL. Matemática Intervalar. Análise Intervalar. With the diversity of parallel platforms available and the possibility of using parallelism to enable the use of techniques and applications that previously demanded great computational potential, the possibility of integrating several parallel platforms is essential. Therefore, aparallel programming model was developed in order to provide interoperability of your code in heterogeneous parallel plataforms called OpenCL . One of these techniques that requires a large computational power is the algorithm Sivia (Set Inverter Via Interval Analysis) that requires high processing level since it is an algorithm based on interval mathematics. Thus, this monograph proposes a parallelization of the algorithm Sivia in OpenCL so it can be run on heterogeneous platforms. The chosen approach of the parallelization of the algorithm Sivia was not the parallelization of some modulus of algorithm, but the search space of the algorithm, enabling that since the first iteration there are intervals being evalueted. In the results were used three distinct functions with diverse complexities, being chosen the polynomial functions, logarithmic and exponential. For the polynomial function, performance results only in kernel CPU presented scalability up to 4-Work Items, in the exponential function scalability up to 8 Work-Items and scalability up to 8 Work-Items for the logarithmic function, and all of them in a search space starting with the lowest number of intervals that do not belong to the function. For GPU, with all the functions used, the best results of running kernel were for reduced search space and group size equal to the number of Stream Processors in a Stream MultiProcessor. Regarding the overall performance of the application for the polynomial function utilized, the gain obtained by using the PSIVIA-HP was 25 times in CPU and 51 times in GPU, to the exponential function the gain was of 26 times on CPU and GPU. For the logarithmic function the gain was of 14 times in CPU and 41 times in GPU. However, OpenCL applications do not depend only on the performance of the Kernel, because there is a time for the preparation of the device. In the compilers and devices used, the cost is in CPU is higher than in GPU regarding the preparation of the device for executing the code in OpenCL, leading to dependence of the performance of compilers OpenCL. Despite the dependence, the PSIVIA-HP presents itself with an approach that brings high performance in relation to sequential approaches.Keywords: Parallel Processing. Computing in Heterogeneous Platforms. Multicore. GPGPU. OpenCL. Interval Mathematics. Interval Analysis.
Databáze: OpenAIRE
Externí odkaz: