[論文レビュー] Ethane: A Heterogeneous Parallel Search Algorithm for Heterogeneous Platforms

Julián Domínguez, Enrique Alba|arXiv (Cornell University)|May 30, 2011

Distributed and Parallel Computing Systems参考文献 9被引用数 5

ひとこと要約

本稿では、エタンの分子構造にインspiredされた、異種並列探索アルゴリズム「Ethane」を提案する。この手法は、多様な計算リソースに統合された遺伝的アルゴリズム（ssGA）とシミュレーテッド・アニーリング（SA）を組み合わせたハイブリッドアイランドモデルを採用しており、従来のパニックティックおよびリング構造のssGAモデルに比べ、より高速な収束性と高いロバスト性を達成している。Ethane SはMMDPで6.76倍の高速化を達成し、解の分散も顕著に低減（p = 0.007）した。

ABSTRACT

In this paper we present Ethane, a parallel search algorithm specifically designed for its execution on heterogeneous hardware environments. With Ethane we propose an algorithm inspired in the structure of the chemical compound of the same name, implementing a heterogeneous island model based in the structure of its chemical bonds. We also propose a schema for describing a family of parallel heterogeneous metaheuristics inspired by the structure of hydrocarbons in Nature, HydroCM (HydroCarbon inspired Metaheuristics), establishing a resem- blance between atoms and computers, and between chemical bonds and communication links. Our goal is to gracefully match computers of different power to algorithms of different behavior (GA and SA in this study), all them collaborating to solve the same problem. The analysis will show that Ethane, though simple, can solve search problems in a faster and more robust way than well-known panmitic and distributed algorithms very popular in the literature.

研究の動機と目的

• 処理能力にばらつきのある異種計算プラットフォームを効果的に活用できる並列探索アルゴリズムの設計。
• 非均一なハードウェア上で多様なアルゴリズム（例：ssGAとSA）を統合する課題に取り組み、解の品質と収束速度の向上を図ること。
• 自然の炭化水素構造に基づいて、異種メタヒューリスティクスをモデル化する汎用フレームワーク「HydroCM」の開発。
• パニックティックおよびリング構造のssGAモデルと比較して、Ethaneの性能を、速度、ロバスト性、解の品質の観点から評価すること。
• 異種プラットフォームが並列メタヒューリスティクスにおいて制約ではなく、性能上の利点として活用可能であることを示すこと。

提案手法

• Ethaneは、複数の計算ノード（アイランド）が異なるメタヒューリスティクス（ssGAとSA）を同時に実行する異種アイランドモデルを採用している。
• アルゴリズムはエタン分子の構造にインspiredされており、2つの炭素原子（別個のアルゴリズムを表す）が1つの共有結合（通信リンク）で結合し、ハイブリッド探索アーキテクチャを形成している。
• アイランド間の通信は双方向の移行スキームに従い、ssGAとSAプロセス間の情報交換を可能にすることで、グローバルサーチとローカル最適化の両方を強化している。
• HydroCM（炭化水素にインspiredされたメタヒューリスティクス）モデルは、このアプローチを一般化し、原子を計算ノードに、化学結合を通信チャネルにマッピングしている。
• 2種類のEthaneバージョンを実装した：Ethane G（両方のアイランドでssGAを用いる）とEthane S（一方のアイランドでssGA、他方でSAを用いる）。これにより、比較的評価が可能になった。
• 性能は、平均実行時間、スルーバイ、標準偏差、および時間経過に伴うフィットネスの変化といった標準指標を用いて評価された。

実験結果

リサーチクエスチョン

• RQ1 パニックティックおよびリング構造のssGAモデルに比べ、異種並列探索アルゴリズムは収束速度と解のロバスト性において優れていると言えるか？
• RQ2 異種ハードウェア上で異なるメタヒューリスティクス（ssGAとSA）を統合することで、解の品質と実行時間にどのような影響を与えるか？
• RQ3 HydroCMモデルは、多様な計算プラットフォームにわたり、スケーラブルかつ効率的な異種メタヒューリスティクスの設計をどの程度可能にするか？
• RQ4 プロセッサの性能差が顕著であるにもかかわらず、従来のモデルに比べてEthaneはより高いスルーバイを達成できるか？
• RQ5 特にMMDPのような複雑な探索問題において、提案手法は標準的手法よりもロバスト性（分散が低い）であると言えるか？

主な発見

• Ethane SはMMDP問題において6.76倍の高速化を達成し、ssGAリング（6.64倍）を上回り、異種ハードウェア上での優れたスケーラビリティを示した。
• MMDP問題において、Ethane Sは解の分散をssGAリングと比較して50％以上低減し、Mann-Whitney U検定により統計的に有意なp値（p = 0.007）を示した。
• サブセットサム問題（SSP）では、Ethane Gが平均実行時間およびスルーバイの両面でssGAリングを上回り、3.00倍の高速化を達成した。
• SSPおよびMMDPの両問題において、Ethane SはssGAリングよりも収束が速く、フィットネスの変化曲線から高品質な解に早期に到達していることが示された。
• SSPでは、単一プロセッサ上でもEthane GがssGAリングを上回る性能を発揮しており、ハイブリッド設計による本質的な効率向上が裏付けられた。
• アルゴリズムは多様なハードウェア環境でもロバストに動作し、プロセッサ速度の大きな差にもかかわらず、強力な性能を維持した。これは、実世界の異種プラットフォームに適したことを確認した。