Estudio preliminar de estrategias híbridas de cómputo CPU-GPU para acelerar algoritmos evolutivos

Abstract

Debido a su gran capacidad para encontrar buenas soluciones en tiempos de ejecución razonables las metaheurísticas son ampliamente utilizadas para la resolución de problemas de optimización. Dentro de las metaheurísticas se destacan los Algoritmos Genéticos (GAs). Sin embargo, resolver problemas con instancias de gran tamaño puede ser difícil incluso para este tipo de estrategias. Por esta razón, la paralelización de metaheurísticas es una alternativa interesante para disminuir los tiempos de ejecución de estos algoritmos. En los últimos años, las GPUs han sufrido una evolución explosiva. Originalmente eran dispositivos diseñados para un único propósito específico, el procesamiento gráfico, pero en pocos años se transformaron en verdaderos multiprocesadores de memoria compartida. En base a esto, las GPUs se presentan como una plataforma poderosa para implementar algoritmos paralelos. En este reporte, presentamos un estudio preliminar de paralelización de un algoritmo genético simple incluyendo estrategias híbridas de cómputo CPU-GPU. La propuesta presentada se basa en el esquema de paralelismo de GAs Maestro-Esclavo. Se presentan los resultados obtenidos utilizando una GPU de bajo rango (NVidia 9800 GTX+), alcanzando valores de speedup de 9x.