Geri Dön

Demetleme problemi için paralel karınca yaklaşımı

Parallel ant based clustering for clustering problem

PDF İndir

  1. Tez No: 223510
  2. Yazar: ÖZLEM GEMİCİ
  3. Danışmanlar: Y.DOÇ.DR. ŞİMA ETANER UYAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Demetleme, Karınca, Paralel, MPI, Clustering, Ant, Parallel, MPI
  7. Yıl: 2007
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalısmada, öncelikle demetleme problemi çözümü için karınca demetleme yöntemi ardısıl olarak gerçeklenmistir. Gerçeklenen algoritma seçilen paralel kütüphane kullanılarak iteratif bir yaklasım ile paralellestirilmistir. Demetlenecek veriler ve demetleme ortamını olusturan 2 boyutlu ortam ve toplam adım sayısı islemciler arasında paylastırılır. slemcilerden biri master islemci olarak belirlenir. Master islemci dahil her islemci kendine atanan alanda ardısıl demetleme çözümünü çalıstırır ve çalısmasının sonlandıgını master islemciye bildirir. Master islemci ardısıl demetleme çözümünü bütün verileri ve 2 boyutlu alanın tamamını kullanarak tekrar çalıstırır. Demetleme algoritmasının daha iyi bir noktadan baslayabilmesi amaçlanmaktadır. Yapılan çalısmada gerçeklenen iteratif ve kısmi paralellestirme isleminin özellikle algoritma sonlanma zamanında iyilestirmeye sebep olup olmayacagı arastırılmıstır. Yapılan testlerde iki ve dört islemi için seçilen veritabanları için performans ölçüm sonuçları elde edilmistir. Algoritmanın daha iyi bir noktadan baslamasını saglamak ve atılacak toplam adım sayısının diger islemcilerle paylasmasını saglamak algoritma çalısma zamanlarında iyilesmeyi saglamıstır. Haberlesme maliyetinin diger paralellestirme yöntemine göre çok düsük olması da algoritmanın avantajlarından biridir.

Özet (Çeviri)

In this study sequential ant based clustering is implemented. The implementation is parallelized using an iterative approach through the chosen parallelization library, which is MPI. All the processors share the dataset to cluster and the 2-dimensional clustering environment. One of the processors is marked as master. Each of the processors, including the one denoted as master, runs the sequential algorithm and informs the master processor when the run ends. After all processors finish clustering the data assigned to them, the master processor runs the sequential algorithm again, but this time it uses all the items in the dataset and the whole 2-dimensional clustering environment. The aim of the first stage is to provide a better start point for the clustering algorithm performed by the master in the second stage. It is analyzed if the implemented iterative and partially parallel clustering method causes a better time performance then its fully sequential version. Tests are executed for 2 and 4 processors on selected example datasets. As stated above, the aim is to make the second stage of the algorithm to start from a better initial situation for clustering by dividing the grid and the number of iterations among the processors. The aim of this study is to speed up the ant clustering method, which is normally very time consuming. Thus, no steps are taken to improve the clustering solution. As a result of the experiments, it is seen that the proposed algorithm performs better based on time measurements, however it does not improve other clustering performance measures. This is an expected outcome. The communication cost is very small compared to other ant clustering parallelization techniques found in literature.

Benzer Tezler

  1. Tez No

    517317

    Distributed bipartite graph clustering

    İki parçalı çizge demetleme

    RESUL TUGAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ

  2. Tez No

    596538

    Türkiye enerji sektörünün stratejik konumu ve yapay sinir ağı modelleriyle enerji tüketiminin tahmini

    Turkish energy sector strategic position and neural network prediction of energy consumption models with

    HATİCE GENÇ KAVAS

    Doktora

    Türkçe

    Türkçe

    2019

    İşletmeSivas Cumhuriyet Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. HÜDAVERDİ BİRCAN

  3. Tez No

    156870

    Çift sensörlü x-ışını tarayıcı tasarımı ve bilgisayarla görme incelemesi

    The design of stereo x-ray scanner and its analysis in computer vision

    ABDULLAH AKAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. Y. SİNAN AKGÜL

  4. Tez No

    75065

    Boşluklu dalga klavuzunda SH dalgası saçılımı

    Başlık çevirisi yok

    ABDULLAH HAYIR

    Doktora

    Türkçe

    Türkçe

    1998

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM BAKIRTAŞ

  5. Tez No

    467056

    FPGA üzerinde HYSA ve HYSA'ya özel öğrenme algoritmalarının birlikte gerçeklenmesi

    Implementation of CNN and CNN specific learning algorithms on FPGA

    ERDEM KÖSE

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜŞTAK ERHAN YALÇIN

Geri Dön