Optimizando Algoritmos Evolutivos - MAEB
0 recomendaciones555 vistas
El documento describe cómo optimizar la implementación de algoritmos evolutivos mediante el uso de herramientas como monitores y profilers para medir el rendimiento. Se presenta un ejemplo de cómo usar un profiler para localizar un cuello de botella en un algoritmo genético y cómo cambiar la función de ordenación mejoró sustancialmente el tiempo de ejecución. En general, aplicar técnicas de programación comunes como el uso de cachés y la optimización de funciones críticas puede mejorar el rendimiento de los algoritmos evolutivos en dos órdenes de
Optimizando Algoritmos Evolutivos - MAEB
- 1. Optimizando la implementación de algoritmos evolutivos JJ Merelo, Pedro Castillo , Juan L. Jiménez Laredo, Maribel García Arenas GeNeura team: http://geneura.wordpress.com Departamento de Arquitectura y Tecnología de Computadores: http://atc.ugr.es Universidad d Granada: http://www.ugr.es
- 2. Se presta poca atención a la implementación de los algoritmos evolutivos Aunque permite diseñar mejores algoritmos y obtener mejoras sustanciales tanto algorítmicas como de tiempo de ejecución
- 3. Herramientas usadas Monitores Tiempo de ejecución, memoria usada, consumo de recursos Profilers Tiempo invertido y número de ejecuciones reales de fragmentos de código
- 4. Ejemplo de uso de un profiler
- 5. Planteamiento del problema Fitness = MaxOnes
- 6. Algoritmo genético canónico, con élite = 2
- 7. Población y longitud variable
- 8. Software libre: http://bit.ly/bOk3z3
- 9. Evolución de un programa evolutivo Eliminado Añadido
- 10. El tamaño siempre importa Caché para la función fitness
- 11. Uso de tr para cálculo del fitness
- 12. Cuantos más semos... más tardaremos Uso de un profiler para localización de cuello de botella: función sort
- 13. Cambio por Sort::Key Mejora del comportamiento peor caso.
- 14. Conclusiones Mejoras de dos órdenes de magnitud (para algunos tamaños) del tiempo de ejecución de un programa mediante mejoras en la implementación.
- 15. Conviene aplicar técnicas de programación habituales y buenas prácticas.
- 16. Trabajo futuro: incorporación de técnicas en Algorithm::Evolutionary, librería de algoritmos evolutivos en Perl.
- 17. Muchas gracias por su atención ¿Alguna pregunta?
- 18. Mejorando los algoritmos evolutivos Se propone el uso de una metodología de prueba y evaluación seguida por la aplicación de técnicas de programación comunes
Notas del editor
- #3: La imagen está tomada de http://www.flickr.com/photos/dahlstroms/4083220012/
- #4: Imagen obtenida de http://www.flickr.com/photos/sebilden/3429805384/
- #5: Devel::NYTProf, un profiler para Perl desarrollado inicialmente para trabajar en el NYTimes (de ahí el nombre) y liberado; actualmente disponible en CPAN; es la mejor herramienta y más detallada que hay ahora mismo en Perl, produciendo una salida en HTML.
- #6: Imagen CC obtenida de http://www.flickr.com/photos/rbanks/2292915/
- #7: En el repositorio se pueden ver como diferentes versiones del mismo programa todos los programas que se han usado en la serie, usando la herramienta de diferencia entre programas que da Launchpad.
- #9: No es la única mejora, se probaron también otros algoritmos como mergesort, y otros que no tuvieron tanto éxito. El comportamiento de los lenguajes de programación
- #12: Imagen obtenida de http://www.flickr.com/photos/viagallery/2292639593/ con licencia CC