TESINA DE LICENCIATURA EN INFORMÁTICA CRISTIAN PERFUMO - GERARDO MORA - LUCAS ROJAS ABRIL 2006 Tutores de Tesina: Sergio Nesmachnow José Gallardo ALGORITMOS GENÉTICOS PARALELOS APLICADOS A LA RESOLUCIÓN DE PROBLEMAS DE ASIGNACIÓN DE FRECUENCIAS EN REDES CELULARES
26
Embed
TESINA DE LICENCIATURA EN INFORMÁTICA CRISTIAN PERFUMO - GERARDO MORA - LUCAS ROJAS ABRIL 2006 Tutores de Tesina: Sergio Nesmachnow José Gallardo A LGORITMOS.
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
TESINA DE LICENCIATURA EN INFORMÁTICA
CRISTIAN PERFUMO - GERARDO MORA - LUCAS ROJAS
ABRIL 2006Tutores de Tesina: Sergio Nesmachnow
José Gallardo
ALGORITMOS GENÉTICOS PARALELOS APLICADOS A LA RESOLUCIÓN DE PROBLEMAS DE ASIGNACIÓN DE
FRECUENCIAS EN REDES CELULARES
ESTRUCTURA
• Introducción.
• Algoritmos Genéticos (AG).
• Problema de asignación de frecuencias (FAP).
• Aplicación de la técnica al problema.
• Resultados experimentales.
• Conclusiones y trabajos futuros.
INTRODUCCIÓN
Motivaciones
• Amplia difusión de AG.
• Auge de redes inalámbricas y telefonía celular.
• Alta complejidad del problema y gran tamaño de escenarios reales (apropiado para AG).
• Ausencia de resultados publicados para MI-FAP utilizando AG (COST259).
INTRODUCCIÓN
Objetivos del trabajo
• Comprensión del mecanismo de AG.
• Aplicación de AG al problema MI-FAP.
• Comparación de versiones secuencial y paralela de AG.
• Contraste con resultados obtenidos al aplicar otras técnicas.
ALGORITMOS GENETICOS
• Complejidad NP.
• Heurísticos vs. Exactos.
• Computación Evolutiva.
• Conceptos- Individuos.- Población.- Generación.- Operadores genéticos (reproducción y mutación).- Fitness.- Criterios de elección (selección y reemplazo).
ALGORITMOS GENETICOS
(1) Generar P(0);(2) Generación 0;(3) Mientras No (criterio de parada) hacer (4) Evaluar P(Generación); (5) P. Intermedia Selección (P(Generación)); (6) P. Intermedia Cruzamiento (P. Intermedia); (7) P. Intermedia Mutación (P. Intermedia); (8) P(Generación +1) Reemplazo (P(Generación), P.
Plataforma de ejecución•Cluster 3 AMD Athlon 3000 64 bits, 2GHz, 1GB RAM.•Interconexión red Ethernet 100 Mbps.•Sistema operativo Linux Open Suse 10.•Universidad de la República, Uruguay.
RESULTADOS
• Calidad de soluciones
Escenario
AG Secuencial AG Paralelo
Fitness promedio
Desviación estándar
Fitness promedio
Desviación estándar
Tiny 0,98039 0 0,97944 0,00300
K 0,30690 0,02306 0,29852 0,01447
Swisscom 0,00066 0,00031 0,00065 0,00011
RESULTADOS• Calidad de soluciones (Tiny).
0.98039 0.97944
0.00
0.20
0.40
0.60
0.80
1.00
1.20
Fit
ness AG Secuencial
AG Paralelo
RESULTADOS• Calidad de soluciones (K).
0.30690 0.29853
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
Fit
ness AG Secuencial
AG Paralelo
RESULTADOS• Calidad de soluciones (Swisscom).
0.00066 0.00065
0.0000
0.0001
0.0002
0.0003
0.0004
0.0005
0.0006
0.0007
Fit
ness AG Secuencial
AG Paralelo
RESULTADOS
• Tiempos de ejecución
Escenario
AG Secuencial AG Paralelo
Tiempo promedio
(hs.)
Desviación estándar
Tiempo promedio (hs.)
Desviación estándar
Tiny 0,136 0,012 0,048 0,003
K 16,530 0,174 4,649 0,030
Swisscom 26,348 0,330 8,410 0,047
SN = T1 / TN
T1 : tiempo serial, TN : tiempo paralelo
Speedup: Eficiencia computacional: EN = SN / N
RESULTADOS• Eficiencia (Tiny).
Speedup = 2.8 Eficiencia computacional = 0.93
0.14
0.05
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
0.16
Tie
mpo
de
ejec
ució
n (h
s)
AG Secuencial
AG Paralelo
RESULTADOS• Eficiencia (K).
Speedup = 3.55 Eficiencia computacional = 1.18
16.53
4.65
0.00
2.00
4.00
6.00
8.00
10.00
12.00
14.00
16.00
18.00
Tie
mpo
de
ejec
ució
n (h
s)
AG Secuencial
AG Paralelo
RESULTADOS• Eficiencia (Swisscom).
Speedup = 3.13 Eficiencia computacional = 1.04
26.35
8.41
0.00
5.00
10.00
15.00
20.00
25.00
30.00
Tie
mpo
de
ejec
ució
n (h
s)
AG Secuencial
AG Paralelo
CONCLUSIONES
• Se adquirió conocimiento sobre AG.
• Los AG son aplicables a MI-FAP.
• Los algoritmos genéticos paralelos nos otorgan grandes beneficios sobre los algoritmos genéticos secuenciales.
• No se pudieron igualar los resultados publicados con otros técnicas.
TRABAJOS FUTUROS
• Diseñar operadores específicos para MI-FAP.
• Experimentar con codificaciones alternativas.
• Evaluar el desempeño con otras funciones de fitness.
• Experimentar con diferentes variantes de paralelismo.
• Abordar el problema con un enfoque multiobjetivo.
Muchas Gracias
¿PREGUNTAS?
DIFICULTADES ENCONTRADAS
• Inconveniente administrativo con respecto a la tutoría de un profesor extranjero.
• Falta de poder de cómputo para llevar a cabo el proyecto a nivel local.
• Esfuerzo económico personal de los integrantes.
• Estilo del mecanismo de evaluación.
Nos ponemos a disposición para aportar experiencias en pos de sortear a futuro todos estos inconvenientes.
COMENTARIOS FINALES
• Gran esfuerzo invertido durante un año y medio de investigación.
• Asistencia al CACIC.
• Profesionales en el tema.
• Tutoría a distancia.
• Agradecimientos.
• Proyecto de investigación de gran envergadura con el que quedamos muy conformes.