Resumen

La optimización por enjambre de partículas de aprendizaje integral (CLPSO) es una metaheurística poderosa para la optimización global. Este artículo estudia la paralelización de CLPSO mediante el lenguaje de computación abierto (OpenCL) en la unidad de procesamiento gráfico (GPU) integrada Intel HD Graphics 520 (IHDG520) con una baja frecuencia de reloj. Implementamos un modelo grueso en todas las GPU que asigna a cada partícula un elemento de trabajo separado. Se proponen dos estrategias de mejora, a saber, la generación y transferencia de números aleatorios desde el procesador central a la GPU, así como la reducción del número de instrucciones en el kernel, para acortar el tiempo de ejecución de los modelos. Este artículo investiga además la paralelización de la optimización determinista para la optimización estocástica implícita del embalse de Xiaowan en China. La optimización determinista se realiza en un conjunto de 62 años de registros históricos de caudal con pasos temporales mensuales, se resuelve mediante CL

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Metaheurística poderosa; Optimización global; OpenCL; GPU; Paralelización; Optimización
• Keywords:Powerful metaheuristic; Global optimization; OpenCL; GPU; Parallelizing; Optimization