Upload resources

Upload your works to SEDICI to increase its visibility and improve its impact

 

Show simple item record

dc.date.accessioned 2015-03-13T13:24:26Z
dc.date.available 2015-03-13T13:24:26Z
dc.date.issued 2015
dc.identifier.uri http://hdl.handle.net/10915/44478
dc.description.abstract El objetivo general de esta tesis se centra en la investigación y desarrollo de algoritmos paralelos de búsqueda en grafos best-first search para arquitecturas multicore y cluster de multicore, que mejoran los existentes y se utilizan para resolver problemas de optimización combinatoria y de planificación, acompañado de un análisis de rendimiento (speedup, eficiencia, escalabilidad) de los mismos. La temática propuesta es de interés en la actualidad por la complejidad computacional de dichos algoritmos de búsqueda y las posibilidades que brindan las arquitecturas mencionadas. Los algoritmos presentados en esta tesis pueden aplicarse para resolver problemas reales como planificación de rutas óptimas, navegación automática de un robot o vehículo, alineamiento óptimo de secuencias, entre otros. Los temas de investigación derivados son múltiples y se refieren tanto a la paralelización de algoritmos sobre (a) arquitecturas de memoria compartida, como son los multicore (b) arquitecturas de memoria distribuida, como son los clusters (c) y también sobre arquitecturas híbridas, tal es el caso de los clusters de multicore. El aporte de la tesis es el desarrollo de dos algoritmos paralelos best-first-search propios, uno apto para su ejecución sobre máquinas de memoria compartida (multicore) y otro apto para máquinas de memoria distribuida (cluster), basados en el algoritmo HDA* (Hash Distributed A*), en los cuales se incluyen técnicas originales que optimizan su rendimiento. Asimismo, se presenta un análisis de rendimiento de los algoritmos desarrollados a medida que escala la carga de trabajo y la arquitectura paralela subyacente. Para finalizar, se compara la memoria consumida por ambos algoritmos y el rendimiento alcanzado cuando se los ejecuta sobre una máquina multicore; estos análisis presentan originalidad en el área. Los resultados arrojados indican que se obtendría un beneficio al convertir HDA* en una aplicación híbrida, cuando la arquitectura subyacente es un cluster de multicore, por lo que se sientan las bases para éste algoritmo híbrido. es
dc.format.extent 186 p. es
dc.language es es
dc.title Análisis de rendimiento y optimización de algoritmos paralelos Best-First Search sobre multicore y cluster de multicore es
dc.type Tesis es
sedici.creator.person Sanz, Victoria María es
sedici.subject.materias Ciencias Informáticas es
sedici.subject.keyword Best-First Search es
sedici.subject.keyword algoritmos paralelos es
sedici.subject.keyword análisis de rendimiento es
sedici.subject.keyword multicore es
sedici.subject.keyword cluster de multicore es
sedici.description.fulltext true es
mods.originInfo.place Facultad de Informática es
sedici.subtype Tesis de doctorado es
sedici.rights.license Creative Commons Attribution-NonCommercial 2.5 Argentina (CC BY-NC 2.5)
sedici.rights.uri http://creativecommons.org/licenses/by-nc/2.5/ar/
sedici.contributor.director De Giusti, Armando Eduardo es
sedici.contributor.codirector Naiouf, Marcelo es
thesis.degree.name Doctor en Ciencias Informáticas es
thesis.degree.grantor Facultad de Informática es
sedici.date.exposure 2015-03-12
sedici.acta 39 es
sedici.subject.acmcss98 Algorithms es
sedici.subject.acmcss98 Parallel algorithms es
sedici.subject.acmcss98 Clustering es
sedici.relation.isReviewedBy http://sedici.unlp.edu.ar/handle/10915/52388 es


Download Files

This item appears in the following Collection(s)

Creative Commons Attribution-NonCommercial 2.5 Argentina (CC BY-NC 2.5) Except where otherwise noted, this item's license is described as Creative Commons Attribution-NonCommercial 2.5 Argentina (CC BY-NC 2.5)