2008 metai

Darbo vykdytojų atlikti tyrimai

 

  Darbo vadovas prof. habil. dr. Raimondas Čiegis koordinavo viso projekto veiklą, vadovavo VGTU mokslininkų grupei, į kurią įėjo M. Meilūnas, V. Starikovičius, M.M. Baravykaitė, G. Jankevičiūtė, I. Laukaitytė, N. Tumanova ir R. Skirmantas ir tiesiogiai dalyvavo jos vykdomuose darbuose. Ši grupė sukūrė, ištyrė ir realizavo daugialygius optimizavimo įrankius, kuriuose panaudoti šeimininkas - darbininkai ir duomenų lygiagretumo metodai. Šie įrankiai leidžia adaptuoti juodosios dėžės algoritmus išskiriant įvairius lygiagretumo lygius. Įrankių veikimą ištyrė skaičiavimo eksperimentuose, kai buvo optimizuojami elektros laidų rinkinio skerspjūviai, siekiant minimizuoti bendrą laiduose naudojamo metalo kiekį. Tvarkė projekto dokumentaciją ir metinę ataskaitą.

  Prof. habil. dr. Rimantas Belevičius vadovavo VGTU mokslininkų grupei, į kurią įėjo D. Rusakevičius, D. Šešok ir P. Ragauskas. Ši grupė sukūrė ir verifikavo baigtinių elementų programas strypinių perdangų laikančiųjų konstrukcijų optimizavimo uždavinio tikslo funkcijai skaičiuoti globaliosios optimizacijos algoritmams. Sukurtos programos ir jų modifikacijos pritaikytos ir kitam globaliojo optimizavimo tipui – genetiniams algoritmams.

  Prof. dr. Julius Žilinskas vadovavo MII mokslininkų grupei, į  kurią įėjo E. Filatovas, S. Ivanikovas, R. Paulavičius ir A. Igumenov. Ši grupė kūrė šakų ir rėžių globalaus optimizavimo algoritmus, nagrinėjo Lipšitco rėžius ir statistinius įverčius, tyrė, kokie lokalios paieškos metodai yra tinkami “juodosios dėžės” globaliojo optimizavimo pagreitinimui.

  UAB „Matrix Software Baltic“(vadovas A. Šapalas) leido projekto ribose naudotis MatrixFrame, komerciniams vartotojams tokia paslauga kainuoja gana brangiai.

  UAB „Constructus“ (vadovas V. Juocevičius) pateikė statinių  pamatų schemų duomenis, kurie reikalingi pavyzdiniams uždaviniams sudaryti. Šį indėlį sunku įvertinti pinigais, bet be jo darbai negalėtų būti vykdomi.

Išvados

 
  1. Lygiagretaus šakų  ir rėžių algoritmo, realizuoto MPI priemonėmis, lygiagretinimo efektyvumas yra geresnis negu algoritmo, realizuoto OpenMP priemonėmis. Sudėtingesnėms testo funkcijoms lygiagretinimo efektyvumas didėjant procesorių skaičiui mažėja lėčiau lyginant su paprastesnėmis funkcijomis.
  2. Hyper-threading technologija leidžia pagreitinti skaičiavimus 20%.
  3. Pasiūlytas šakų ir rėžių algoritmas su simpleksiniais posričiais ir Lipšitco rėžių junginiu daugiamatėms funkcijoms optimizuoti reikalauja panašiai funkcijos skaičiavimų lyginant su geriausiu literatūroje skelbtu Lipšitco šakų ir rėžių algoritmu, o dažnai gaunami ir geresni rezultatai.
  4. Nauju lokalios paieškos algoritmu NEWUOA randami geresni sijynų optimizavimo uždavinių sprendiniai negu kintamosios metrikos algoritmu.
  5. Sukurti, ištirti ir realizuoti daugialygiai optimizavimo įrankiai, kuriuose panaudotos šeimininkas - darbininkai ir duomenų lygiagretumo metodai. Šie įrankiai leidžia adaptuoti juodosios dėžės algoritmus išskiriant įvairius lygiagretumo lygius. Įrankių veikimas ištirtas skaičiavimo eksperimentuose, kai buvo optimizuojami elektros laidų rinkinio skerspjūviai, siekiant minimizuoti bendrą laiduose naudojamo metalo kiekį.
  6. Tiesinės algebros objektų paketas išvystytas ir pritaikytas platesnei vektorių bei matricų aibei. Jo efektyvumas pademonstruotas sprendžiant nestacionarius vienmačius ir dvimačius netiesinės optikos uždavinius. Toks įrankis padeda beveik automatiškai generuoti lygiagrečiuosius algoritmus, pritaikytus optimizavimo įrankių 3 lygio lygiagretinimui.
  7. Sukurtos ir verifikuotos baigtinių elementų programos strypinių perdangų laikančiųjų konstrukcijų optimizavimo uždavinio tikslo funkcijai skaičiuoti globaliosios optimizacijos algoritmams. Programos sukurtos „juodosios dėžės“ principu – jų vartotojui nebūtina gilintis į programų veikimo principus.