Algoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescador
El problema 0/1 knapsack (P01K) es un problema de optimización combinatoria NP-complejo, en el cual el tiempo de solución es demasiado alto o inviable para grandes dimensiones, este tiempo puede ser reducido con el uso de Metaheurísticas Paralelas usando la GPU (MPG). Con 21 instancias del problema...
- Autores:
-
Dulcey Moran, Hernán Guillermo
Ortega Ruiz, Johny Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2016
- Institución:
- Universidad del Cauca
- Repositorio:
- Repositorio Unicauca
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unicauca.edu.co:123456789/1741
- Acceso en línea:
- http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1741
- Palabra clave:
- CUDA
Metaheurística
Penalización
Problema 0/1 knapsack
Reparación
GPU
- Rights
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
id |
REPOCAUCA2_26bd8f00bcf5f89cf5d15821a70d5f52 |
---|---|
oai_identifier_str |
oai:repositorio.unicauca.edu.co:123456789/1741 |
network_acronym_str |
REPOCAUCA2 |
network_name_str |
Repositorio Unicauca |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Algoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescador |
title |
Algoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescador |
spellingShingle |
Algoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescador CUDA Metaheurística Penalización Problema 0/1 knapsack Reparación GPU |
title_short |
Algoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescador |
title_full |
Algoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescador |
title_fullStr |
Algoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescador |
title_full_unstemmed |
Algoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescador |
title_sort |
Algoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescador |
dc.creator.fl_str_mv |
Dulcey Moran, Hernán Guillermo Ortega Ruiz, Johny Andrés |
dc.contributor.author.none.fl_str_mv |
Dulcey Moran, Hernán Guillermo Ortega Ruiz, Johny Andrés |
dc.subject.spa.fl_str_mv |
CUDA Metaheurística Penalización Problema 0/1 knapsack Reparación |
topic |
CUDA Metaheurística Penalización Problema 0/1 knapsack Reparación GPU |
dc.subject.eng.fl_str_mv |
GPU |
description |
El problema 0/1 knapsack (P01K) es un problema de optimización combinatoria NP-complejo, en el cual el tiempo de solución es demasiado alto o inviable para grandes dimensiones, este tiempo puede ser reducido con el uso de Metaheurísticas Paralelas usando la GPU (MPG). Con 21 instancias del problema de diferentes dimensiones (100 a 10000) y tres diferentes tipos (no correlacionados, débilmente correlacionados y fuertemente correlacionados), se compararon diez metaheurísticas, cuatro secuenciales seleccionadas de estado del arte (MDSFL, MopGA, SBHS y SLC), cuatro MPG implementadas en base a las secuenciales, una propuesta PMG PBFSPG y su versión secuencial SBFSPG, usando las medidas tasa de éxito, número de evaluaciones de la función objetivo y tiempo de ejecución para cada una de las soluciones. De las metaheurísticas secuenciales estudiadas SBFSP es la mejor metaheurística secuencial resolviendo el 66.67% de las instancias de prueba con una tasa de éxito del 100%, en un tiempo máximo de 30 minutos, de las MPG aquella basada en MDSFL (PMDSFLG) es la mejor MPG resolviendo el 85.71% de las instancias de prueba con una tasa de éxito del 100% con un tiempo máximo de 40 segundos mientras PBFSP resuelve 80.95%, sin embargo al incrementar el tiempo de ejecución PBFSP resuelve el 100%, mientras PMDSFL se mantiene. La estrategia de metaheurísticas basadas en penalización como en MopGA y SLC no son una buena solución para problemas de mediana y grandes dimensiones, mientras una estrategia basada en reparación como en SBFSP, MDSFL, SBHS, y PBFSPG es escalable para grandes dimensiones además el uso de PMG reduce el tiempo de ejecución como en PBFSP respecto a SBFSP en promedio un 88.56%. |
publishDate |
2016 |
dc.date.issued.none.fl_str_mv |
2016-10 |
dc.date.accessioned.none.fl_str_mv |
2019-11-29T17:20:25Z |
dc.date.available.none.fl_str_mv |
2019-11-29T17:20:25Z |
dc.type.spa.fl_str_mv |
Trabajos de grado |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1741 |
dc.identifier.instname.none.fl_str_mv |
|
dc.identifier.reponame.none.fl_str_mv |
|
dc.identifier.repourl.none.fl_str_mv |
|
url |
http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1741 |
identifier_str_mv |
|
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.creativecommons.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
dc.publisher.spa.fl_str_mv |
Universidad del Cauca |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería Electrónica y Telecomunicaciones |
dc.publisher.program.spa.fl_str_mv |
Ingeniería de Sistemas |
institution |
Universidad del Cauca |
bitstream.url.fl_str_mv |
http://repositorio.unicauca.edu.co/bitstream/123456789/1741/1/ALGORITMO%20METAHEUR%c3%8dSTICO%20PARALELO%20USANDO%20CUDA%20PARA%20SOLUCIONAR%20PROBLEMAS%200-1%20KNAPSACK.pdf http://repositorio.unicauca.edu.co/bitstream/123456789/1741/2/license.txt |
bitstream.checksum.fl_str_mv |
5cadd3d90319059f4cb85a807e97b31a 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Dspace - Universidad del Cauca |
repository.mail.fl_str_mv |
biblios@unicauca.edu.co |
_version_ |
1808396258310619136 |
spelling |
Dulcey Moran, Hernán GuillermoOrtega Ruiz, Johny Andrés2019-11-29T17:20:25Z2019-11-29T17:20:25Z2016-10http://repositorio.unicauca.edu.co:8080/xmlui/handle/123456789/1741El problema 0/1 knapsack (P01K) es un problema de optimización combinatoria NP-complejo, en el cual el tiempo de solución es demasiado alto o inviable para grandes dimensiones, este tiempo puede ser reducido con el uso de Metaheurísticas Paralelas usando la GPU (MPG). Con 21 instancias del problema de diferentes dimensiones (100 a 10000) y tres diferentes tipos (no correlacionados, débilmente correlacionados y fuertemente correlacionados), se compararon diez metaheurísticas, cuatro secuenciales seleccionadas de estado del arte (MDSFL, MopGA, SBHS y SLC), cuatro MPG implementadas en base a las secuenciales, una propuesta PMG PBFSPG y su versión secuencial SBFSPG, usando las medidas tasa de éxito, número de evaluaciones de la función objetivo y tiempo de ejecución para cada una de las soluciones. De las metaheurísticas secuenciales estudiadas SBFSP es la mejor metaheurística secuencial resolviendo el 66.67% de las instancias de prueba con una tasa de éxito del 100%, en un tiempo máximo de 30 minutos, de las MPG aquella basada en MDSFL (PMDSFLG) es la mejor MPG resolviendo el 85.71% de las instancias de prueba con una tasa de éxito del 100% con un tiempo máximo de 40 segundos mientras PBFSP resuelve 80.95%, sin embargo al incrementar el tiempo de ejecución PBFSP resuelve el 100%, mientras PMDSFL se mantiene. La estrategia de metaheurísticas basadas en penalización como en MopGA y SLC no son una buena solución para problemas de mediana y grandes dimensiones, mientras una estrategia basada en reparación como en SBFSP, MDSFL, SBHS, y PBFSPG es escalable para grandes dimensiones además el uso de PMG reduce el tiempo de ejecución como en PBFSP respecto a SBFSP en promedio un 88.56%.spaUniversidad del CaucaFacultad de Ingeniería Electrónica y Telecomunicaciones Ingeniería de Sistemashttps://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2CUDAMetaheurísticaPenalizaciónProblema 0/1 knapsackReparaciónGPUAlgoritmo metaheurístico paralelo usando CUDA para solucionar problemas 0/1 Knapsack basado en el procedimiento de búsqueda del pescadorTrabajos de gradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/version/c_970fb48d4fbd8a85ORIGINALALGORITMO METAHEURÍSTICO PARALELO USANDO CUDA PARA SOLUCIONAR PROBLEMAS 0-1 KNAPSACK.pdfALGORITMO METAHEURÍSTICO PARALELO USANDO CUDA PARA SOLUCIONAR PROBLEMAS 0-1 KNAPSACK.pdfapplication/pdf1497057http://repositorio.unicauca.edu.co/bitstream/123456789/1741/1/ALGORITMO%20METAHEUR%c3%8dSTICO%20PARALELO%20USANDO%20CUDA%20PARA%20SOLUCIONAR%20PROBLEMAS%200-1%20KNAPSACK.pdf5cadd3d90319059f4cb85a807e97b31aMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.unicauca.edu.co/bitstream/123456789/1741/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/1741oai:repositorio.unicauca.edu.co:123456789/17412021-05-28 09:43:12.259Dspace - Universidad del Caucabiblios@unicauca.edu.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 |