[论文解读] 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 5

一句话总结

本文提出 Ethane，一种受乙烷分子结构启发的异构并行搜索算法，采用混合岛屿模型，在不同计算资源上整合了遗传算法（ssGA）与模拟退火（SA）。该方法在收敛速度和鲁棒性方面优于传统的泛配型和环形ssGA模型，Ethane S在MMDP问题上实现了6.76倍的加速，且解的方差显著降低（p = 0.007）。

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.

研究动机与目标

• 设计一种能有效利用异构计算平台（处理能力各异）的并行搜索算法。
• 解决在非均匀硬件上集成多种算法（如ssGA与SA）的挑战，以提升解的质量和收敛速度。
• 开发一个可推广的框架——HydroCM，基于天然烃类结构建模异构元启发式方法。
• 评估Ethane在速度、鲁棒性和解质量方面相对于经典模型（如泛配型和环形ssGA）的性能表现。
• 证明异构平台可作为并行元启发式方法的性能优势，而非约束。

提出的方法

• Ethane采用异构岛屿模型，多个计算节点（岛屿）同时运行不同的元启发式算法——ssGA与SA。
• 该算法受乙烷分子结构的启发，两个碳原子（代表不同算法）通过单个共价键（通信链路）连接，形成混合搜索架构。
• 岛屿间的通信采用双向迁移机制，实现ssGA与SA进程之间的信息交换，以增强全局搜索与局部优化能力。
• HydroCM（烃类启发元启发式）模型推广了该方法，将原子映射为计算节点，化学键映射为通信通道。
• 实现了两种Ethane变体：Ethane G（两个岛屿均使用ssGA）与Ethane S（一个岛屿使用ssGA，另一个使用SA），以支持对比评估。
• 性能通过标准指标进行评估：平均执行时间、加速比、标准差以及随时间变化的适应度演化曲线。

实验结果

研究问题

• RQ1 异构并行搜索算法是否能在收敛速度和解的鲁棒性方面优于传统的泛配型和环形ssGA模型？
• RQ2 在异构硬件上集成不同元启发式算法（ssGA与SA）对解的质量和执行时间有何影响？
• RQ3 HydroCM模型在多样的计算平台上，能在多大程度上实现异构元启发式方法的可扩展与高效设计？
• RQ4 尽管底层处理器性能差异显著，Ethane是否仍能实现优于传统模型的加速比？
• RQ5 该算法是否比标准方法更具鲁棒性（方差更低），尤其是在MMDP等复杂搜索问题中？

主要发现

• 在MMDP问题上，Ethane S实现了6.76倍的加速，优于ssGA环形模型（6.64倍），并在异构硬件上展现出更优的可扩展性。
• 在MMDP问题上，与ssGA环形模型相比，Ethane S将解的方差减少了一半以上，且p值为0.007（Mann-Whitney U检验），具有统计显著性。
• 在子集和问题（SSP）上，Ethane G在平均执行时间和加速比方面均优于ssGA环形模型，实现了3.00倍的加速。
• 在SSP与MMDP问题上，Ethane S的收敛速度均快于ssGA环形模型，适应度演化曲线表明其更早达到高质量解。
• 即使在单个处理器上，Ethane G在SSP问题上的表现也优于ssGA环形模型，表明其混合设计具有内在效率优势。
• 该算法在多种硬件上表现出强鲁棒性，即使处理器速度差异显著，仍能保持优异性能，证实其适用于真实世界的异构平台。