一种自适应多 GPU 分支定界算法：以流水车间调度问题为例
分布式、并行与集群计算
2012-06-22 v1 机器人学
摘要
使用分支定界（B&B）算法精确求解组合优化问题（COPs）需要巨大的计算资源。因此，我们近期研究了利用并行界限模型在图形处理器（GPU）上设计 B&B 算法。所提出的模型假设对子问题池的下界评估进行并行化。结果表明，被评估池的大小对 B&B 的性能有显著影响，且强烈依赖于所求解的问题实例。在本文中，我们设计了一种自适应并行 B&B 算法，用于在 GPU 加速器上求解基于排列的组合优化问题，如流水车间调度问题（FSP）。为此，我们提出了一种用于运行时参数自动调优的动态启发式方法。本工作的另一挑战是利用多个 GPU 设备的联合计算能力来挖掘更大程度的并行性。该方法已应用于排列流水车间问题。我们在知名的 FSP 基准测试上进行了大量实验，使用的是一台配备两个 Tesla T10 GPU 的 Nvidia Tesla S1070 计算系统。与基于 CPU 的执行相比，针对大规模问题实例实现了高达 105 倍的加速。
引用
@article{arxiv.1206.4973,
title = {An Adaptative Multi-GPU based Branch-and-Bound. A Case Study: the Flow-Shop Scheduling Problem},
author = {Imen Chakroun and Nouredine Melab},
journal= {arXiv preprint arXiv:1206.4973},
year = {2012}
}
备注
14th IEEE International Conference on High Performance Computing and Communications, HPCC 2012 (2012)