Implementación de biblioteca de algoritmos bioinspirados en paralelo para el clúster Agave

Abstract

Un algoritmo se puede componer de tareas que se ejecutan de manera paralela y otras que se ejecutan de manera secuencial, con el objetivo de resolver un problema. Los algoritmos evolutivos son algoritmos estocásticos basados en poblaciones de individuos y son usados, entre otras aplicaciones, para resolver problemas de optimización. Al igual que los algoritmos evolutivos, los algoritmos de inteligencia de enjambre están basados en individuos agrupados en enjambres que cooperan (sabiéndolo o no), a alcanzar una meta. Tanto los algoritmos evolutivos como los de inteligencia de enjambre están basados en la naturaleza y pueden ser llamados como bioinspirados. El desarrollo del hardware como del software en los últimos años, ha propiciado también el desarrollo de los lenguajes de programación para que estos se comuniquen y puedan cumplir las necesidades de los usuarios. Plataformas estandarizadas de cómputo paralelo fueron desarrolladas para cumplir con las necesidades de resolver problemas de gran magnitud o resolverlos a una mayor velocidad. Entre estas plataformas se encuentran la librería MPI, para la comunicación entre núcleos de procesadores o la plataforma CUDA, para el desarrollo de software para ser ejecutado en tarjetas gráficas. Las plataformas mencionadas, funcionan en equipos de cómputo conocidos como clúster o supercomputadora, aunque también pueden ser llevadas a computadoras personales. En esta tesis, se realizó la implementación de cuatro algoritmos bioinspirados, para constituir una biblioteca para el clúster de la Universidad de Guadalajara, llamado Agave. Estos cuatro algoritmos bioinspirados son: PSO (por sus siglas en inglés: “Particles Swarm Optimization”) y dos de sus variantes, ALC-PSO (por sus siglas en inglés: “Particles Swarm Optimization with Aging Leader and Challengers”) y BAM-PSO (por sus siglas en inglés: “Particles Swarm Optimization with Bio-inspired Aging”); también el algoritmo evolutivo conocido cómo Evolución Diferencial. La implementación se hizo en paralelo, tanto en MPI como en CUDA.