學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Subject: search.filters.subject.parallelization

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    「深象」象棋軟體平行化之研究
    (2007) 林子哲
    在深藍打敗西洋棋棋王Kasparov之後，因為象棋的遊戲方式與西洋棋差不多，成為下一個最有可能擊敗人類棋王的棋類，所以電腦象棋成為最熱門的研究領域之一。之前深象使用單一CPU循序的方式搜尋，搜尋的深度大約在10層左右，難以加深，為了增進深象的棋力，我們使用Dynamic Tree Splitting演算法將程式平行化，將其搜尋速度提升。當程式改成使用Dynamic Tree Splitting平行演算法，需要更改其搜尋架構、以及資料結構。經由實驗顯示，當使用四顆CPU，搜尋速度提升為使用單一CPU的3.3倍、搜尋深度平均增加1~2層，對戰的戰績也有相當的提升。
  • No Thumbnail Available
    Item
    強化親代選擇機制之平行化高目標演化式演算法
    (2013) 陳少文; sao-wen chen
    當一個最佳化問題的求解目標數為兩個以上時，我們稱其為多目標最佳化問題 (multi-objective optimization problems)，若目標數為四或四個以上時，則稱其為高目標最佳化問題 (many-objective optimization problems)。現實世界的最佳化問題中存在著許多高目標最佳化問題，傳統的多目標最佳化演算法只適合求解目標數四以下的問題，設計一個能夠求解高目標最佳化問題的演算法是目前演化式領域中的研究重點。 我們以非凌越性排序基因演算法 (NSGA-III) 為基底，深入觀察該演算法特性，改善親代選擇機制 (mating selection) 中選取親代的方式，優先改進族群中相對較差的區域，並搭配鄰域選取 (neighborhood-based selection) 概念，得到不錯的成效；在環境選擇機制 (environmental selection) 中，我們嘗試同時維持族群在目標空間與決策空間中的分散度，並使用其他方法替代原本 NSGA-III 演算法的選取機制，雖然成效不彰，但在實驗中我們觀察到了一些有趣的現象；我們更以島嶼模型 (island model) 將演算法平行化，透過預先分配給各島嶼屬於邊框權重向量的機制，在維持演算法原本求解能力的同時，還能加快整體的執行速度。 本論文所提出的各種改進機制可以互相搭配使用，以最佳版本的親代選擇機制配合平行化機制的狀況下 (ESP-NSGA-III)，與原版的 NSGA-III相比，求解 DTLZ1~4 並改變其問題目標數共 15 個測試問題中，在 Mann Whitney U 統計檢定下，我們的演算法有著 11 勝 3 和 1 負的優良表現。