Μελέτη εκτέλεσης αλγορίθμων στο πλέγμα υπολογιστών

• Main Author: Ευταξιόπουλος, Χαρίλαος
• Other Authors: Χούσος, Ευθύμιος
• Language: gr
• Published: 2009
• Subjects: Πλέγματα υπολογιστών; Γενετικοί αλγόριθμοι; 004.36; Computational grids; Genetic algorithms
• Online Access: http://nemertes.lis.upatras.gr/jspui/handle/10889/2065

Στη σύχρονη εποχή η ανάπτυξη των ετερογενών και κατανεμημένων περιβαλλόντων, όπως τα περιβάλλοντα πλέγματος, καθιστά εφικτή την επίλυση υπολογιστικά εντατικών προβλημάτων με αξιόπιστο και οικονομικό τρόπο. Το Πλέγμα υπολογιστών είναι μια αναπτυσσόμενη δομή που παρέχει πρόσβαση σε υπολογιστική ισχύ και αποθηκευτικό χώρο κατανεμημένα σε όλο τον κόσμο και εισήχθη για να ικανοποιήσει την ανάγκη για εφαρμογές που απαιτούν μεγάλο αριθμό υπολογισμών καθώς και την επικοινωνία των ατόμων που τις εκτελούν. Στην παρούσα διπλωματική εργασία παρουσίαζεται με λεπτομέρεια η δομή και ο τρόπος λειτουργίας και εξυπηρέτησης χρηστών του Πλέγματος. Επικεντρώνουμε το ενδιαφέρον μας στη μελέτη εκτέλεσης αλγορίθμων στο Πλέγμα προσφέροντας στον αναγνώστη τη δυνατότητα εξοικείωσης με τις ιδιαιτερότητες συγγραφής αλγορίθμων και εφαρμογών που επιθυμούν να εκμεταλλευτούν τις δυνατότητες του Πλέγματος. Επίσης, καταγράφουμε τη μεθοδολογία και τον τρόπο υποβολής εργασιών στο Πλέγμα από τη σκοπιά του χρήστη. Από τους αλγορίθμους που καταγράφονται, ιδιαίτερη έμφαση δόθηκε στις παράλληλες εφαρμογές που εκμεταλλεύονται το μεγάλο πλεονέκτημα που μας προσφέρει το Πλέγμα εφοδιάζοντας μας με πολλαπλές επεξεργαστικές μονάδες. Συγκεκριμένα για να εξετάσουμε τόσο την αρχιτεκτονική όσο και τις δυνατότητες του Πλέγματος, αναπτύξαμε και συγγράψαμε ένα παράλληλο Γενετικό Αλγόριθμο για το πολυδίαστατο και απαιτητικό πρόβλημα του Χρονοπρογραμματισμού Εξετάσεων σε Πανεπιστήμια. === In our contemporary society, the development of distributed and heterogeneous computing environments, provide us with the capability of solving difficult scientific problems in a reliable and economic manner. The Grid environment is a form of distributed computing whereby a “super and virtual computer” is composed of a cluster of networked loosely coupled computers acting in concert to perform very large tasks. This technology has been applied to computationally intensive scientific, mathematical, and academic problems through volunteer computing, and it is used in commercial enterprises for such diverse applications as drug discovery, economic forecasting, seismic analysis, and back-office data processing in support of e-commerce and Web services. In the current paper, there is a significant reference to the architecture and the different elements of which Grid is composed .We focus our interest in the way we should write and develop our algorithms in order to retrieve the benefits of Grid computing. As far as the user aspect is concerned, we describe the methodology of job submission and job monitoring in Grid. From the algorithms we developed and tested, there is a significant emphasis concerning the parallel applications which take advantage of the fact that Grid offers us multiple computing resources and processors. In detail, we developed a parallel genetic algorithm for the examination timetabling problem in Universities which consists a difficult np problem which provides a significant example of the importance and the role of Grid in Computational Science.