基于 RLT2 的在图形处理器集群上求解大规模二次指派问题的并行算法
分布式、并行与集群计算
2017-10-11 v1
摘要
本文讨论了用于获取二次指派问题（QAP）大规模实例的强下界和精确解的高效并行算法。我们的并行架构由伊利诺伊大学厄巴纳-香槟分校 Blue Waters 超级计算设施上的多核处理器和支持计算统一设备架构（CUDA）的 NVIDIA 图形处理器（GPU）组成。我们提出了一种在 GPU 上对拉格朗日对偶上升算法的新型并行化，该算法用于求解基于二级重构线性化技术（RLT2）的 QAP 公式。此过程中的线性指派子问题（LAP）使用我们加速的匈牙利算法求解 [Date, Ketan, Rakesh Nagi. 2016. GPU-accelerated Hungarian algorithms for the Linear Assignment Problem. Parallel Computing 57 52-72]。我们将这种加速的对偶上升算法嵌入到并行分支定界方案中，并使用 QAPLIB 中多达 42 个设施的问题实例，在单 GPU 和多 GPU 上进行了广泛的计算实验。实验表明，我们基于 GPU 的方法是可扩展的，并且可用于获取大规模 QAP 实例的紧下界。我们加速的分支定界方案能够轻松求解 QAPLIB 中（多达 30 个设施）的 Nugent 和 Taillard 实例，且仅使用适度数量的 GPU。
引用
@article{arxiv.1710.03732,
title = {RLT2-based Parallel Algorithms for Solving Large Quadratic Assignment Problems on Graphics Processing Unit Clusters},
author = {Ketan Date and Rakesh Nagi},
journal= {arXiv preprint arXiv:1710.03732},
year = {2017}
}