Transcript PPT - 同志社大学
Grid環境における評価部にデータベースを 用いた遺伝的アルゴリズムの提案 同志社大学 廣安 知之 三木 光範 同志社大学大学院 ○片浦 哲平 谷村 勇輔 はじめに • Grid • 最適化問題とは • 提案する最適化システムについての説明 Optimization Engine， Function Agent，Database Server Approximation Server， Analysis Server • 遺伝的アルゴリズムの実装 • 数値実験 • まとめ Grid • 世界中の計算資源を結びつけて１つの巨大な コンピュータとして有効活用する Gridの可能性 • スーパーコンピュータを超える大規模計算能力 • 膨大なデータを格納できる大規模データベース 科学技術計算分野，大規模最適化問題への適用 最適化問題 • 目的関数の最大値・最小値を求める • 最適化問題の例 構造物の設計 たんぱく質の構造予測 • 最適化問題は膨大な計算時間と計算量を要する 高速な計算資源 膨大な計算結果を格納するデータベース 最適化問題の解析 各最適化手法を実装 最適化計算を行う 解析計算を行う 膨大な時間を要する 目的関数の値を求める GA，SAは，確率的探索のため重複計算が起こる 確率的探索による最適化 Grid環境における最適化システムを提案する 提案するGrid最適化システム Optimization Engine • 最適化問題に適用する最適化手法の エンジン部分（最適化計算部分）を担当 • 決定論的手法・・・数理計画法 • 確率的手法・・・GA，SA 目的，理由 • 最適化手法だけに専念 Function Agent • 各サーバ （Optimization Engine，Database Server， Analysis Server，Approximation Server） の結果に基づき適切なサーバを選択する 目的，理由 • 多数の通信の制御 • 通信状況の把握を容易に Database Server • 実際の実験データ，シミュレーションで得た目的 関数の評価値の格納 • 評価値の検索 目的，理由 • 重複した評価計算の省略 • 複数試行時のデータ有効利用 • 共同研究者とのデータ共有 Analysis Server • 目的関数の評価を行う • 全操作の中で最も処理時間を要する • 性能のよい解析コードを持つ 目的，理由 • 評価計算だけに専念 • 多くの台数を割り当てられる Approximation Server • Database Serverの情報から近似評価値を作成 • 確率的手法にのみ有効 • 近似を利用するかどうかは利用者が選択できる 目的，理由 • 最適化計算の継続 近似操作 • 確率的手法において最適化計算の継続を 目的とする （正しい適合度値を待ち進化が遅れるよりもよ い） • リソースを有効活用することで解探索を進める • 近似手法はそれぞれの確率的手法，対象問題 による 具体的な動作 • データベースの検索に 成功する場合 • データベースの検索に 失敗する場合 終了条件を満たすまで繰り返される 検索に成功する場合 検索に成功する場合 検索に成功する場合 検索に成功する場合 検索に成功する場合 検索に成功する場合 検索に成功する場合 検索に失敗する場合 検索に失敗する場合 検索に失敗する場合 検索に失敗する場合 検索に失敗する場合 検索に失敗する場合 検索に失敗する場合 検索に失敗する場合 検索に失敗する場合 検索に失敗する場合 検索に失敗する場合 提案システムの目標 • • • • • シミュレーションに物理実験の結果を使用できる 重複計算を省ける 複数試行において計算時間を短縮できる 複数人で行われている計算を集積できる 計算負荷の著しく高い問題には近似サーバを利 用することで計算時間の短縮を図ることができる 遺伝的アルゴリズム（GA） • 生物の進化をモデル化した 最適化手法 • 評価と遺伝的操作 （選択・交叉・突然変異） 特徴 • 確率的探索→複数回試行 • 探索空間の広い大規模問題に適応 • 個体の評価に膨大な時間を要する GAを実装した提案システム GAにおける近似手法 データベースの２つの遺伝子情報を用いる 遺伝子の違い 適合度 2 bit 15 2 bit 20 数値実験 • 複数試行での計算時間の短縮 • 重複計算の防止 • 近似の有効性 対象問題 • One Max問題 遺伝子の１の数が適合度 全て１が最適解 実験パラメータ ※実験はPCクラスタ上で実行 実験１・・・データベースの効果を検証 実験２・・・近似の効果を検証 複数試行での計算時間の短縮 重複計算の防止 近似の有効性 まとめ • Grid環境に対応した最適化システムを提案した ≫ データベースによって重複計算が防止できる ≫ 近似によって待機状態のリソースを有効利用した 評価計算ができる • GAを実装したシステムによって検討を行った 今後の課題 • Grid環境での実行 非均質なネットワーク環境 非均質な計算環境 動的な環境 • 他の最適化手法での検討 補足資料 現在のシステム概要 • 実験はPCクラスタ上で実行 • Database Server が Function Agent と Approximation Server を兼任 • Database Server に格納できるデータに 限界がある 優先評価 • 近似 → 最適化計算の継続 • 評価計算に対して最適化計算が大幅に進む → 評価待ちの情報が大量に発生 • 探索の進んだ最新の情報の計算が行われない • 最新の未評価の情報を優先的に計算することで 解探索を有効に進める 優先評価 優先評価 優先評価 近似，優先評価の有効性 補足資料 終わり Gridでの問題点 • 資源は無限に広がるが，利用するには費用がか かる →リソースの有効利用 • 通信状態が動的に変化 • 計算資源の性能は非均質 Gridが注目される理由 • 遠隔地の研究者同士の共同作業 • インターネットの普及によるネットワーク化 • 高性能計算機導入のコスト Gridの研究 Gridの可能性 • スーパーコンピュータを超える大規模計算能力 • 膨大なデータを格納できる大規模データベース 科学技術計算分野への応用 最適化問題への適用