2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı Erol Şahin Bilgisayar Mühendisliği.

Slides:



Advertisements
Benzer bir sunumlar
GRİD ALTYAPISI ÜZERİNDE BİR FÜZENİN PARALEL ŞEKİL OPTİMİZASYONU Sayfa: 1 / 21BAŞARIM09, 1. Ulusal Yüksek Başarım ve Grid Konferansı, Nisan 2009,
Advertisements

FEN BİLİMLERİ ENSTİTÜSÜ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
Yrd.Doç.Dr.Mustafa EVREN OMÜ Fen Bilimleri Enstitüsü
Sinan Doğan, Esra Beyoğlu
Sistem Analizi ve Planlama
© OECD A joint initiative of the OECD and the European Union, principally financed by the EU Vaka Çalışması Su ve Atık Su Altyapısı Kuzey İrlanda Martin.
INTERNET TABANLI HASTA KAYDI PAYLAŞIMI VE TELEKONSÜLTASYON PLATFORMU
2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Peter Kacsuk’un sunumundan alıntılarla P-GRADE Portalı Cevat Şener Bilgisayar Mühendisliği Bölümü,
GENETİK ALGORİTMALAR (1-15.slayt).
Dağıtık Simülasyon Sistemlerinde Sanal Global Zaman Hesaplamaları
Proje yönetiminde başarının yeni formülü. Daha başarılı projeler Daha ekonomik çözümler Daha özelleşmiş hizmetler için… Neden ?
Türkiye’de Yüksek Başarımlı Hesaplama
Bilgisayar Mühendisliği Bölümü Bilgi Servisleri (IS) GRID Kullanıcı Eğitimi Boğaziçi Üniversitesi 2007, İstanbul Emrah AKKOYUN.
Dağıtık Ortak Hafızalı Çoklu Mikroişlemcilere Sahip Optik Tabanlı Mimari Üzerinde Dizin Protokollerinin Başarım Çözümlemesi I. Ulusal Yüksek Başarım ve.
SOME-Bus Mimarisi Üzerinde Mesaj Geçişi Protokolünün Başarımını Artırmaya Yönelik Bir Algoritma Çiğdem İNAN, M. Fatih AKAY Çukurova Üniversitesi Bilgisayar.
Proje Tabanlı Öğrenme Modeli ve Bilgisayar Destekli Eğitim
Prof. Dr. Kerim Edinsel YETERLİLİKLER “UYGULAMA SÜRECİ” ÇALIŞTAYI UYGULAMASI SONUÇLARI Çalışma Grubu 1: Makine Mühendisliği Programı Yeterlilikleri 1 -
TR-GRID ULUSAL GRID OLUŞUMU GRID PROJELERİ TÜBİTAK ULAKBİM Ankara, Şubat 2007.
BBY Bilgi Teknolojisi ve Yönetimi
EGEE-II INFSO-RI Enabling Grids for E-sciencE EGEE and gLite are registered trademarks Küme Bilgisayarlar Onur Temizsoylu Grid ve.
EGEE GRID UYGULAMALARI Dr. Burcu Akcan TÜBİTAK ULAKBİM Ankara, Şubat 2007.
EVRE 1 BLOK 1 Uygulamalı Bilgisayar Eğitimi Öğr. Gör. A. Murat ERGİN E.Ü.T.F. Biyoistatistik ve Tıbbi Bilişim A.D.
Grid Nedir? Cevat Şener BMB-ODTÜ
Yazılım Proje Yönetimi
Nesneye Dayalı Programlama
Grid Hesaplaması Özgür Erbaş GRID Kullanıcı Eğitimi Boğaziçi Üniversitesi 2007, İstanbul.
Prof. Dr. Turgay ONARGAN Prof. Dr. C. Okay AKSOY MTS 3022 TÜNEL AÇMA
MULTİMEDYA HABERLEŞME Salı Multi  Çoklu Medya (Media)  Ortam.
Windows Server 2008’e Genel Bakış Microsoft Windows Server 2008, bilgi teknolojileri (BT) uzmanlarının altyapıları üzerindeki kontrollerini maksimum seviyeye.
ODTÜ Bilgisayar Mühendisliği
Chapter 1: Giriş.
BİYOİNFORMATİK NEDİR? BİYOİNFORMATİKTE KULLANILAN SINIFLAMA YÖNTEMLERİ
Neden Proje Yönetimi - PROBLEMLERİN KARMAŞIKLIĞI - TEK BİR KİŞİNİN ÇÖZÜME ULAŞMA GÜÇLÜĞÜ - DİSİPLİNLER ARASI İLİŞKİLERİN SAĞLANMASI - MADDE VE İNSAN KAYNAKLARININ.
Prof. Dr. Turgay ONARGAN Prof. Dr. C. Okay AKSOY
Ümran Onay.
Erkan ULKER & Ahmet ARSLAN Selçuk Üniversitesi,
BİLGİ OKURYAZARLIĞI EĞİTİM PROGRAMI TASARIMI ÇALIŞTAYI
Schneider Electric ve Altı Sigma 6 Sigma. 6 Sigma Nedir ?  1980’lerin ortasında Motorola tarafından, Japon kalite fikirleri ve kontrol sistemlerinin.
GRİD HESAPLAMA PARALEL HESAPLAMA
Türkiye’de Yüksek Başarımlı Hesaplama Prof. Dr. Cevdet Aykanat Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü.
Şahin BAYZAN Kocaeli Üniversitesi Teknik Eğitim Fakültesi
Karar Bilimi 1. Bölüm.
BİL551 – YAPAY ZEKA Genetik Algoritma
BİRİNCİ BÖLÜM Sağlıkta Kalite Akreditasyon Daire Başkanlığı
Bilgisayar Mühendisliğine Giriş
KISIM I Matematik Öğretme: Temeller ve Perspektifler
BİLGİSAYAR MİMARİLERİ 1.Hafta: Bilgisayar Mimarisine Giriş
SAYISAL ANALİZ Doç. Dr. Cüneyt BAYILMIŞ.
SİSTEM VE YAZILIM Bilgisayar sistemleri donanım, yazılım ve bunları işletmek üzere gerekli işlemlerden oluşur. Yazılım, bilgisayar sistemlerinin bir bileşeni.
Probleme Dayalı Öğrenme
BİL3112 Makine Öğrenimi (Machine Learning)
Bazı Sorular Gerçekten de belirlenen ağırlıklar ile istenilen kararlı denge noktalarına erişmemizi sağlayacak dinamik sistem yaratıldı mı? Eğer evet ise,
PARALEL HESAPLAMA Dr. Ali Evren Göksungur.
ANKARA ÜNİVERSİTESİ SAĞLIK BİLİMLERİ FAKÜLTESİ SOSYAL HİZMET BÖLÜMÜ
MALTEPE ÜNİVERSİTESİ Paralel Hesaplama MATLAB ve Paralel Hesaplama
Yüksek başarımlı hesaplama sistemleri ve yapılan çalışmalar
SONLU ELEMANLAR YÖNTEMİ
Problem Çözme Yaklaşımları
Fırat Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Müh.
Prof. Dr. Ali Yazıcı TOBB Ekonomi ve Teknoloji Üniversitesi
Problem Çözme ve Algoritmalar
Yazılım Mühendisliği Temel Süreçler - Sistem Analizi
Yazılım Mühendisliği Temel Süreçler – PLANLAMA II
M. Aykut Yiğitel, Tolga Tolgay ve Cem Ersoy
Yapay Zeka Nadir Can KAVKAS
DA MOTOR SÜRÜCÜLERİ İÇİN BULANIK MANTIK DENETİMİ
NİŞANTAŞI ÜNİVERSİTESİ
KODLAMA ve BECERİLER Dr. Osman EROL.
Sunum transkripti:

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı Erol Şahin Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi Ankara, Türkiye

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA İçerik Giriş  Doğal Evrim  Yapay Evrim PES: Tek Bilgisayar Kümesi için Paralel Evrim Sistemi GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Giriş Yapay Evrim (YE), mühendislik ve robotbilimden sosyal bilimler ve genetiğe kadar değişen alanlardaki karmaşık problemlerin çözümü için nispeten yeni bir yaklaşımdır. Doğal evrimde kullanılan yöntemlerden esinlenen YE, bir aday çözümler popülasyonu yaratır ve verilen problem için bu çözümlerin iyiliğini (fitness) hesaplar. Adayların iyilik değerlerini temel alarak, çaprazlama ve mutasyon gibi genetik işlemler kullanılarak yeni bir aday çözümler nesli yaratılır.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Giriş Yeni nesil yaratma işlemi, daha iyi çözümleri daha çok kullanarak (survival of the fittest) yeni neslin kötü çözümleri içerme olasılığını azaltır. İşlem yeterince iyi bir çözüm bulununcaya kadar tekrarlanır. Her evrim işlemi çok sayıda iyilik hesaplaması gerektirir.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Doğal Evrim Bir popülasyon çok çeşitli bireylerden oluşur. Bireylerin özellikleri genleri tarafından belirlenir. Daha iyi bireyler ortalamanın üzerinde iyilikte yavru verme eğilimindedirler. Yavrular, daha iyi bireylerin genlerinin çaprazlanmasıyla oluşurlar.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Yapay Evrim Bir çözümler popülasyonu oluştur. Önceden tanımlanmış bir “iyilik fonksiyonu” kullanarak her bir çözümün kalitesini hesapla. Ortalamanın üzerinde çözümler üretmek için daha iyi çözümleri kullan. Daha iyi çözümlerin çaprazlanmasıyla oluşturulmuş yeni çözümler elde et.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Benzerlik PROBLEM ÇÖZME  Problem  Aday Çözüm  Kalite  EVRİM Çevre Birey İyilik (Fitness) İyilik  hayatta kalma ve üreme şansı Kalite  yeni çözümler üretme şansı Eiben ve Smith’in sunumundan alınmıştır.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Uygulama Alanları Mühendislik Bilgisayar Grafiği Tıbbi Görüntüleme Kontrol Sistemleri Robotbilim...

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Evrimsel Robotbilim Problem: Robota istenilen görevi yaptıracak bir denetleyici nasıl tasarlanmalı?  Elle kullanılan bir denetleyici tasarlamak genellikle zor yada imkansızdır.  Değişik denetleyici seçeneklerini değerlendirmek için gerçekçi simülatörler kullanılır.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Evrimsel Robotbilim Algılayıcı verisi Harekete Getirici Çıktı Denetleyici parametrelerine çevir Robotlardaki denetleyiciyi kullan Denetleyici Kromozom

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Gelişen Denetleyiciler Nesil n Krom.1: Krom.2: Nesil n+1 Seç Çoğalt Mutasyona uğrat Krom.1: Krom.2: Popülasyon n Popülasyon n+1

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Fizik Tabanlı Simülasyon Avantajlar  Gerçek robotlu deneylerden daha hızlı ve güvenilir  Gerçekçi Dezavantajlar  Yüksek işlem gücü ihtiyacı!

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Tek Makine Kısıtlamaları Hesaplama gereken:  Bayağı Diferansiyel Denklemleri Çözmek  Daha çok çarpışma ile karmaşıklığı arttırmak Tek bilgisayar için gereken yaklaşık zaman:  Bir tek evrim için, dakikalar mertebesinde  100 kromozom ve 100 nesil için toplam zaman > bir hafta (tek makinede)

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Problem / Çözüm YE’nin işlemsel gereksinimleri, bir tek bireyin hesaplamalarındaki berimsel gereksinimlerle orantılıdır. Bu durum büyük bir dar boğaz yaratmakla beraber tüm işlemin paralelleştirilmesi için bir fırsat oluşturuyor.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA PES: Bilgisayar Kümeleri için Paralel Evrim Sistemi •Geçmiş çalışma: Soysal O., Bahceci E., and Sahin E. “PES: A system for parallelized fitness evaluation of evolutionary methods”, in Yazici and Sener (eds.), Proc. of the 18 th ISCIS, LNCS 2869, , Springer-Verlag, 2003.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA PES’in Mimarisi Sunucu  Yapay Evrim Clients  İyilik Hesaplaması PES-C Client Birimi PES-S Sunucu Birimi

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA PES’in İletişim Modeli PES-C PVM / MPI Makina PVM / MPI PES Ağ Adaptörü PES-S PES Ağ Adaptörü

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA PES-S Sunucu Birimi Yapay Evrim Görev Yöneticisi PES-S Konfigürasyon Yöneticisi Görev Üreticisi En İyi Çözümler

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA PES-C Client Birimi Simülatör İyilik Hesaplayıcısı Görev İyilik

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA PES’de İşlemci Yükü Dengeleme Dinamik simülasyon Değişen sayıda çarpışma Değişken görev karmaşıklığı Değişken işlemci yükü Dörtgenler ve Altıgenler: görevler Dik çizgiler: Yeni nesil başlangıcı

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA PES’de Hata Tahammülü 2. işlemcide hata oluyor 15. saniyedeki ‘ping’ işleminde tespit ediliyor 19. saniyede görev yeniden başlıyor Kırmızı çizgiler: Ping Mavi çizgiler: Nesil Sayılar: Görev numarası

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA PES’de Verim ve Hızlanma

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA PES’de 128 İşlemci ile Nesil Boşluğu

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı Bu çalışma YE uygulamaları için Grid tabanlı bir altyapı geliştirmeyi amaçlamaktadır  PES’in fikir ve deneyimini Grid üzerine taşıyarak. Bu altyapı evrim hesaplamalarını Grid üzerine dağıtacak YE kullanıcısı için saydam bir arayüz oluşturacak. Altyapının analiz, tasarım, gerçekleştirme ve test etme aşamalarında, evrimsel robotbilim problemleri (örneğin özerk robotlar için denetleyiciler geliştirmek), yol gösterici olarak temel uygulama alanımız olacak.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA GridAE Mimarisi EDG gLite GridAE-S GridAE-C Uygulama Birimi Yönetici bölümü Uygulama Birimi İşçi bölümü Görev Grubu Yönetimi Web Arayüzü GridAE-C Uygulama Birimi İşçi bölümü...

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Tesekkurler..

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA GridAE Çalışma Birimleri PES Altyapı  Görev Grubu Yönetimi  GridAE-S  GridAE-C  Web Arayüzü Evrimsel Robotbilimi Uygulaması Test Etme, Hata Ayıklama & Arıtma

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA GridAE Takvimi PES tamamlanmış durumda. Görev Grubu Yönetimi alt katmanı, 2006 yazında geliştirildi. SEE-Grid-2’nin GridAE’ye desteği, Ocak 2007’de resmen başladı. Proje ay sürecek.

2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK, ANKARA Görev Grubu Yönetimi Tamamlandı! Görevleri (GridAE ‘işçi’lerini) grup olarak teslim etmek ve yönetmek için kullanılacak İçerdiği komutlar: edg-jobgroup-submitglite-jobgroup-submit edg-jobgroup-statusglite-jobgroup-status edg-jobgroup-cancelglite-jobgroup-cancel Bağımsız bir ara katman  başka projelerde de kullanılabilir