Control Systems and Computers, N3, 2019, Статья 4

https://doi.org/10.15407/csc.2019.03.038
Stepashko V.S., Yefimenko S.M., Pavlov A.V. Recurrent-and-Parallel GMDH Algorithms for High-Performance Computing. Control Systems and Computers. 2019. № 3. С. 38-51.

УДК 004.318

В.С. Степашко, доктор технических наук, профессор, старший научный сотрудник, отдел информационных технологий индуктивного моделирования,  Международный научно-учебный центр информационных технологий и систем  
НаН и МоН Украины, просп . академика Глушкова, 40, Киев, 03187, Украина,  stepashko@irtc.org.ua

С.М. Ефименко, кандидат технических наук, старший научный сотрудник, отдел информационных  технологий индуктивного моделирования, Международный научно-учебный центр информационных  технологий и систем НаН и МоН Украины, просп . академика Глушкова, 40, Киев, 03187, Украина,  
syefim@ukr .net

А.В. Павлов, кандидат технических наук, научный сотрудник, отдел информационных  технологий индуктивного моделирования, Международный научно-учебный центр информационных  технологий и систем НаН и МоН Украины, просп . академика Глушкова, 40, Киев, 03187, Украина,  
andriypavlove@gmail.com

РЕКУРРЕНТНО-ПАРАЛЛЕЛЬНЫЕ АЛГОРИТМЫ МГУА  ДЛЯ ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ ВЫЧИСЛЕНИЙ

Введение. Индуктивное моделирование — это процесс построения математических моделей объектов, процессов
и систем на основе статистических данных. Метод группового учета аргументов (МГУА) — один из наиболее эффективных методов вычислительного интеллекта. Процесс построения моделей на основе МГУа базируется на принципах последовательного усложнения структур моделей, «внешнего дополнения» и неокончательных решений. Всё многообразие алгоритмов МГУа, исходя из особенностей процесса генерации структур моделей, можно разделить на переборные и итерационные алгоритмы.

Цель этой статьи состоит в разработке методов распараллеливания вычислений в переборном алгоритме COMBI
и обобщенном релаксационном итерационном алгоритме GRIA и определении вычислительной эффективности распараллеливания.

Результаты. В статье описаны разработанные принципы распараллеливания операций в комбинаторном алгоритме COMBI МГУа с рекуррентным оцениванием параметров моделей. При распараллеливании использовано схемы вычислений со стандартным генератором двоичных чисел и последовательным усложнением структур моделей, согласно которым каждый процессор автономно вычисляет начальный двоичный структурный вектор и количество моделей, которые он будет строить. Также гарантируется неповторяемость структур в различных процессорах. Благодаря этому значительно повышается эффективность распараллеливания, поскольку нет потерь времени на межпроцессорное взаимодействие .
Схема распараллеливания с последовательным усложнением структур моделей позволяет частично решать задачу полного перебора в случае, когда количество аргументов для перебора превышает возможности алгоритма со стандартным двоичным генератором, и полный перебор целесообразно выполнять не среди всех возможных моделей, а только среди моделей ограниченной сложности. Описан принцип распараллеливания вычислений в комбинаторном алгоритме COMBI МГУА с рекуррентным оцениванием параметров моделей для построения дискретных прогнозных моделей динамики сложных многомерных взаимосвязанных процессов. Описаны принципы и схемы распараллеливания вычислений обобщенного
релаксационного итерационного алгоритма МГУА GRIA, которые позволяют увеличить скорость работы алгоритма пропорционально количеству вычислителей при максимальной (почти равномерной) их загрузке.
Выполнены исследования эффективности различных схем распараллеливания вычислений в алгоритме COMBI и релаксационном итерационном алгоритме с помощью вычислительных экспериментов на персональном компьютере и кластерном многопроцессорном комплексе.
Как свидетельствуют результаты экспериментов по тестированию эффективности распараллеливания алгоритма GRIA, скорость работы разработанных программных средств увеличивается линейно с добавлением нового вычислительного элемента (процессора или ядра процессора).
Разработанные схемы позволяют существенно повысить эффективность алгоритмов МГУА путем выполнения рекуррентно-параллельных вычислений.
Учитывая особенности алгоритмов МГУА и схемы параллельных вычислений, разработана концепция интеллектуальной информационной технологии индуктивного моделирования на основе рекуррентно-параллельных вычислений. Такая технология при построении моделей в автоматическом режиме учитывает количество аргументов, количество доступных вычислительных ресурсов и установленные пользователем ограничения на время моделирования.

Выводы. разработана технология высокопроизводительных параллельных вычислений в задачах индуктивного
моделирования на основе переборных и итерационных алгоритмов МГУА с рекуррентным оцениванием параметров моделей. Предложена концепция интеллектуальной информационной технологии индуктивного моделирования сложных процессов на основе рекуррентно-параллельных вычислений.

Загрузить полный текст в PDF (на украинском).

Ключевые слова: индуктивное моделирование, рекуррентно-параллельные вычисления, МГУА, COMBI, GRIA,
векторная авторегрессия.

Поступила 29.03.19