Abstract
The scope of voluntary computing systems is constantly expanding. The BOINC system is currently the most famous for organizing volunteer computing. There are many scientific papers on the adaptation of various computational algorithms to the BOINC. The topic of the presented work is the effective adaptation of the evolutionary algorithm to voluntary computing systems. The reasons for productivity losses are considered, criteria and metrics for evaluating the quality of the algorithm are introduced. The content of the article consists of two main parts. The first part of the article discusses general metrics that can be used to assess the performance of various computational algorithms within BOINC. The problem of adaptation of the evolutionary algorithm is considered in the second part of the article. Two main problem-specific causes of productivity loss are considered: the effect of waiting for the last job and the effect of a common queue. Methods are proposed for quantitative assessment of the influence of various systemic effects on the performance of an evolutionary algorithm. The proposed metrics can be used in a comparative analysis of various job scheduling policies when performing calculations. The metrics can be calculated both during the actual and simulated calculations.
Highlights
Прикладная задача разбивается на некоторое количество независимых друг от друга подзаданий
In Proc of the International Congress on Modern Problems of Computer and Information Sciences], 2019, pp
Summary
Технологии грид-систем из персональных компьютеров (далее – ГСПК) существенно повышают доступность вычислительных ресурсов для научных коллективов за счёт привлечения компьютеров добровольцев. Широкое распространение получают модификации системы BOINC, предназначенные для интеграции вычислительных ресурсов на корпоративном уровне [3]. Грид-системы из персональных компьютеров успешно используются для решения задач криптоанализа [5]. Описание решения задачи о графах при помощи системы BOINC приведено в [6]. При портировании вычислительного алгоритма на ГСПК необходимо учитывать как специфику самого алгоритма, так и особенности функционирования инфраструктуры. Для повышения эффективности функционирования эволюционного алгоритма необходимо предварительно выявить его особенности, связанные с организацией вычислений, а также рассмотреть, как эти особенности соотносятся со спецификой функционирования ГСПК. Практика решения задач оптимизации посредством эволюционного алгоритма (далее – ЭА) ранее описывалась в [7]. Темой данной работы является более глубокий анализ причин потери производительности и введение оценивающих метрик для дальнейших работ по выработке оптимальных стратегий управления ресурсами
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
More From: Proceedings of the Institute for System Programming of the RAS
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.