Стохастична оптимізація продуктивності пакету симуляції транспорту частинок в фізиці високих енергій

Скорочена інформація про документ
dc.contributor.authorШадура, Оксана Віталіївна
dc.date.accessioned2019-12-02T11:19:30Z
dc.date.available2019-12-02T11:19:30Z
dc.date.issued2019
dc.description.abstractenThe dissertation is dedicated to study the optimization strategies using genetic algorithms to achieve the best computing performance of the particle transport simulation package GeantV for the High Energy Physics simulations. It had been developed to solve the problems of processing the large data sets in experiments at the Large Hadron Collider (LHC). In the scope of this dissertation had been developed a software library integrating the genetic algorithms as a part of the GeantV software package. It will be used to optimize the performance of GeantV software package for the particle transport simulation, when used for processing the physics data, collected by experiments on the LHC. The mathematical model of the non-centered principal components analysis method is defined together with the formula for estimation of error approximation. The estimation of the error approximation shows that the procedure of reducing the data matrix, based on the selection of eigenvectors of the matrix of non-centered second moments for which it has the smallest eigenvalues, is correct. A modification of the genetic algorithm is defined by introducing into the standard set of genetic algorithm operators (selection, mutation, crossover), a new operator, which is determined by the non-centered principal component analysis method (as a new genetic operator to be used on genetic populations). The results of this study are presenting the proof of the concept of optimization of GeantV performance using evolutionary algorithms with an average gain of 20% of over not optimized run in heterogeneous computing environment. The same method can be used to deploy GeantV applications on supercomputers and clusters for the efficient high-performance computing, while configuring massively parallel GeantV simulations, launched in a non-homogeneous computing environment and providing optimal scalability in high-performance computing environment.uk
dc.description.abstractruВ диссертационной работе предложен новый подход для исследования оптимизации производительности САЕ-системи моделирования транспорта частиц в физике высоких энергий GeantV на основе стохастических методов. Задачу оптимизации сформулировано с помощью генетического алгоритма, представленного в виде динамической системы благодаря его связи с марковскими цепочками. Разработан метод нецентрированных главных компонент, его математические основы и получены формулы для оценки приближений при его применении для анализа данных. Проведен сравнительный анализ использования метода главных компонент при его применении для центрированных и нецентрированных данных, и найдена эквивалентность результатов использования обоих представлений данных на основе метода оценки среднеквадратической погрешности. Предложен новый генетический оператор, построенный на основе метода нецентрированных главных компонент (НГК-оператор), который дает возможность ускорить сходимость генетического алгоритма к оптимальному фронту Парето для задач многокритериальной оптимизации. Найдена оптимальная интеграция НГК-оператора в типовой генетический алгоритм и исследованы его эффективность при применении для эталонных тестов многоцелевых задач и для оптимизации производительности САЕ- системы моделирования транспорта частиц GeantV по сравнению с неоптимизированной версией того же программного пакета. Средний прирост производительности достигает до 20% свыше неоптимизированного запуска пакета в неоднородной вычислительной среде.uk
dc.description.abstractukВ дисертаційній роботі запропоновано новий підхід для дослідження оптимізації продуктивності САЕ-системи моделювання транспорту частинок у фізиці високих енергій GeantV на основі стохастичних методів. Задачу оптимізації сформулювано за допомогою генетичного алгоритму, представленого у вигляді димамічної системи завдяки його зв’язку з марковськими ланцюжками. Розроблено метод нецентрованих головних компонент, його математичні основи та отримано формули для оцінки наближень при його застосуванні для аналізу даних. Проведено порівняльний аналіз використання методу головних компонент при його застосуванні для зцентрованих і нецентрованих даних та знайдено еквівалентність результатів використання обох представлень даних на основі методу оцінювання середньоквадратичної похибки. Запропоновано новий генетичний оператор, побудований на основі методу нецентрованих головних компонент (НГК-оператор), що дає змогу прискорити збіжність генетичного алгоритму до оптимального фронту Парето для задач багатокритеріальної оптимізації. Знайдено оптимальну інтеграцію НГК-оператора в типовий генетичний алгоритм. Досліджено ефективність при його застосуванні в еталонних тестах багатоцільових задач та для оптимізації продуктивності САЕ-системи моделювання транспорту частинок GeantV у порівнянні з неоптимізованою версією такого самого програмового пакету. Встановлено, що середній приріст продуктивності досягає до 20 % над неоптимізованим запуском пакету у неоднорідному обчислювальному середовищі.uk
dc.format.page26 с.uk
dc.identifier.citationШадура, О. В. Стохастична оптимізація продуктивності пакету симуляції транспорту частинок в фізиці високих енергій : автореф. дис. … канд. техн. наук : 05.13.12 – системи автоматизації проектувальних робіт / Шадура Оксана Віталіївна. – Київ, 2019. – 26 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/30150
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectgenetic algorithmuk
dc.subjectdynamic systemuk
dc.subjectfixed pointsuk
dc.subjectstochasticuk
dc.subjectгенетичний алгоритмuk
dc.subjectдинамічна системаuk
dc.subjectнерухомі точкиuk
dc.subjectстохастична оптимізаціяuk
dc.subjectгенетичний операторuk
dc.subjectаналіз основних компонентівuk
dc.subjectоптимізація продуктивностіuk
dc.subjectoptimizationuk
dc.subjectgenetic operatoruk
dc.subjectprinciple component analysisuk
dc.subjectperformance optimizationuk
dc.subjectгенетический алгоритмuk
dc.subjectдинамическая системаuk
dc.subjectфиксированные точкиuk
dc.subjectстохастическая оптимизацияuk
dc.subjectгенетический операторuk
dc.subjectанализ основных компонентовuk
dc.subjectоптимизация производительностиuk
dc.subject.udc004.942:[519.876.5+519.863](043.3)uk
dc.titleСтохастична оптимізація продуктивності пакету симуляції транспорту частинок в фізиці високих енергійuk
dc.typeThesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Shadura_aref.pdf
Розмір:
3.14 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Автореферати (СП)
Автореферати (вільний доступ)