پاورپوینت پیاده‌سازی موازی الگوریتم زنبور عسل بر روی GPU

اختصاصی از نیک فایل پاورپوینت پیاده‌سازی موازی الگوریتم زنبور عسل بر روی GPU دانلود با لینک مستقیم و پر سرعت .

تداد اسلاید ها : 93 

الگوریتم زنبور عسل، یک روش جمعیت‌بنیان ، یک الگوریتم کران‌ محاسباتی است که با الهام گرفتن از رفتار طبیعی زنبور عسل به جستجوی یک راهکار شبه‌بهینه برای مسئله جستجو می‌پردازد. اخیراً الگوریتم‌های موازی گروه‌بنیان متعددی برای اجرا بر GPU ارائه شده‌‌اند. چرا که امروزه ساخته یک الگوریتم زنبور عسل موازی برای اجرا در GPU از اهمیت بسیار بالایی برخوردار است. در این مقاله الگوریتم زنبورهای عسل CUBA( یعنی الگوریتم زنبور عسل مبتنی بر CUDA) را برای اجرا در(الگوریتم زنبور مبتنی برCUDS)CUDA.CUBA ( معماری دستگاه یکپارچه محاسباتی) بسط می‌دهیم.عملکرد CUBA را با انجام آزمایش‌هایی براساس مسائل بی‌شمارو معروف بهینه‌سازی مورد بررسی قرار خواهیم داد. نتایج نشان از آن دارند کهCUBA به میزان قابل توجهی در بسیاری از مسائل بهینه‌سازی بهتر از الگوریتم زنبور عسل استاندارد عمل می‌کند.

پیاده‌سازی موازی الگوریتم زنبور عسل بر روی GPU به همراه کد متلب و پاورپوینت

اختصاصی از نیک فایل پیاده‌سازی موازی الگوریتم زنبور عسل بر روی GPU به همراه کد متلب و پاورپوینت دانلود با لینک مستقیم و پر سرعت .

این مقاله  بر اساس مقاله A parallel Bees Algorithm implementation on GPU  پیاده سازی شده است که از اینجا  به صورت رایگان قابل دریافت می باشد .

فایل هایی که تقدیم می گردد 

1 - ترجمه کامل مقاله

2- کدهای پیاده سازی در متلب

3 - توضیح کامل کدهای متلب

4 - پاورپوینت ارایه مقاله

الگوریتم زنبور عسل، یک روش جمعیت‌بنیان ، یک الگوریتم کران‌ محاسباتی است که با الهام گرفتن از رفتار طبیعی زنبور عسل به جستجوی یک راهکار شبه‌بهینه برای مسئله جستجو می‌پردازد. اخیراً الگوریتم‌های موازی گروه‌بنیان متعددی برای اجرا بر GPU ارائه شده‌‌اند. چرا که امروزه ساخته یک الگوریتم زنبور عسل موازی برای اجرا در GPU از اهمیت بسیار بالایی برخوردار است. در این مقاله الگوریتم زنبورهای عسل CUBA( یعنی الگوریتم زنبور عسل مبتنی بر CUDA) را برای اجرا در(الگوریتم زنبور مبتنی بر CUDS)CUDA.CUBA ( معماری دستگاه یکپارچه محاسباتی) بسط می‌دهیم.عملکرد CUBA را با انجام آزمایش‌هایی براساس مسائل بی‌شمارو معروف بهینه‌سازی مورد بررسی قرار خواهیم داد. نتایج نشان از آن دارند کهCUBA به میزان قابل توجهی در بسیاری از مسائل بهینه‌سازی بهتر از الگوریتم زنبور عسل استاندارد عمل می‌کند.

کد متلب پیاده‌سازی موازی الگوریتم زنبور عسل بر روی GPU

اختصاصی از نیک فایل کد متلب پیاده‌سازی موازی الگوریتم زنبور عسل بر روی GPU دانلود با لینک مستقیم و پر سرعت .

این کد و پیاده سازی بر اساس مقاله  A parallel Bees Algorithm implementation on GPU می باشد که از اینجا به صورت رایگان قابل دریافت می باشد .

ضمنا فایل توضیح کدها و شرح کامل برنامه نیز به همراه کد تقدیم می گردد .

اطلاعات سخت افزار در مورد کارت ویدئو و GPU (پردازنده گرافیکی) با پشتیبانی

اختصاصی از نیک فایل اطلاعات سخت افزار در مورد کارت ویدئو و GPU (پردازنده گرافیکی) با پشتیبانی دانلود با لینک مستقیم و پر سرعت .

ارائه کننده تمامی اطلاعات سخت افزار در مورد کارت ویدئو و GPU (پردازنده گرافیکی) با پشتیبانی از کارت های NVIDA, ATI و ...

این برنامه با سیستم عامل های زیر سازگار است:

1. Windows XP SP3
2. Windows XP SP2 64bit
3. Windows Vista SP2 64bit
4. Windows Vista SP2
5. Windows 8 64bit
6. Windows 8
7. Windows 7 SP1 64bit
8. Windows 7 SP1

بر روی دکمه فایلها  کلیک کنید فایل GPU-Z 0.6.7.exe را در محلی از هارد خود کپی و اجرا  نمائید.

نرم افزار را اجرا و در صورت مشاهده صفحه GPU-Z Updates ، گزینه Never را انتخاب نموده و بر روی دکمه Close کلیک نمائید.

دانلود مقاله ISI حل موازی مبتنی بر GPU از طریق قضیه Kantorovich را برای سیستم های چند جمله ای برنشتاین غیر خطی

اختصاصی از نیک فایل دانلود مقاله ISI حل موازی مبتنی بر GPU از طریق قضیه Kantorovich را برای سیستم های چند جمله ای برنشتاین غیر خطی دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :حل موازی مبتنی بر GPU از طریق قضیه Kantorovich را برای سیستم های چند جمله ای برنشتاین غیر خطی

موضوع انگلیسی :<!--StartFragment -->

GPU-based parallel solver via the Kantorovich theorem for the nonlinear Bernstein polynomial systems

تعداد صفحه :12

فرمت فایل :PDF

سال انتشار :2011

زبان مقاله : انگلیسی

در این مقاله یک حل کننده موازی برای سیستم های غیر خطی در فرم برنشتاین بر اساس زیربخش و روش نیوتن رافسون، که در آن قضیه Kantorovich را به کار برای شناسایی وجود یک ریشه منحصر به فرد و تضمین همگرایی تکرار نیوتن رافسون پیشنهاد می کند. از آنجا که قضیه Kantorovich را با ظرفیت ژاکوبین منحصر به فرد در ریشه، الگوریتم پیشنهادی در مورد ریشه های متعدد انجام می دهد. علاوه بر این، حل کننده طراحی و اجرا به صورت موازی در واحد پردازش گرافیکی (GPU) با معماری SIMD است. در نتیجه، بازده برای حل تعداد زیادی از سیستم تا حد زیادی بهبود یافته است، مشاهده اعتبار توسط نتایج تجربی ما.