NON - PARALLEL ALGORITHM OF SYNTHESIS FOR EMPIRICAL MODEL OF OPTIMAL COMPLEXITY
Keywords:
the system, the gene, the chromosome, the criterion of adaptation, the dimension of the problem, the system of linear equations, arithmetic operation, the analysis of algorithm.Abstract
The method is developed to extend the class of empirical models and it allows to synthesize models of optimal complexity based on external criterion of models selection. At the same time, with the increase of the dimension of the problem of synthesis of the empirical models increases the cost of the computer time on their software implementation. Therefore, the actual scientific problem is the reduction of the computing time, which allows synthesizing the empirical models of high dimension. The parallelization of the algorithm of models synthesis of optimal complexity is the way to solve this problem. According to the analysis of the algorithm for the constructing of the empirical models of optimal complexity, the most expensive operations is the solution of systems of linear equations and calculating the output of the system. These operations are performed repeatedly. The number of arithmetic operations is calculated for the detection of the efficiency of the parallel algorithms for models synthesis of optimal complexity. This arithmetic operations is used in the implementing of parallel algorithms. Their comparison with the corresponding sequential algorithms of the solving of system of linear equations and the computation of the output of the empirical model are given in this article.
Downloads
References
2. Горбійчук М. І. Метод синтезу емпіричних моделей на засадах генетичних алгоритмів / М. І. Горбійчук, М. І. Когутяк, О. Б. Василенко, І. В. Щупак // Розвідка та розробка нафтових і газових родовищ. – 2009. - № 4(33). – С. 72-79.
3. Курейчик В. М. Генетические алгоритмы / В. М. Курейчик // Перспективные информационные технологии и интеллектуальные системы. –2000. – № 1. – С. 18-22.
4. Воеводин Вл. В. Вычислительное дело и кластерные системы / Вл. В. Воеводин, С. А. Жуматий. – М.: Изд. МГУ, 2007. – 150 с.
5. Valkovskii V. A. An optimal algorithm for solving the problem of digital filtering / V.A. Valkovskii // Pattern Recognition and Image Analysis. – 1994 – 4, vol. 3. – P. 241 – 247.
6. Тютюнник М. Паралельні алгоритми та засоби розв’язання деяких задач масових обчислень / М. Тютюнник // Конференція молодих вчених «Підстригачівські читання – 20010», м. Львів, 25 – 26 червня 2010 року. – Львів: Ін-т прикл. пр. мех. і мат., 2010.
7. Полищук А. Д. Оптимизация оценки качества функционирования сложных динамических систем / А. Д. Полищук // Проблемы управления и информатики. – 2004. – № 4. – С. 39 – 44.
8. Хіміч О. Блочно-циклічні паралельні алгоритми методу Гауса розв’язування систем лінійних алгебричних рівнянь з розрідженими матрицями / О. Хіміч, В. Полянко // Вісник Львів. ун-ту. Серія прикл. матем. інформ. – 2009. – Вип. 15. – C. 109–116.
9. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский; пер. с польск. И. Д. Рудинского. – М.: Горячая линия-Телеком, 2004. – 452 с.
10. Вержбицкий В. М. Основы численных методов: учебник для вузов / В. М. Вержбицкий. – М.: Высшая школа, 2002. – 840 с.
11. Волков Е. А. Численные методы: учебное пособие для вузов / Е. А. Волков.– 2-е изд., исп. – М.: Наука, 1987. – 248 с.
.png)
