Если у вас есть многоядерный процессор или доступ к процессорной сети, можно использовать функции Parallel Computing Toolbox™ с MultiStart
. Этот пример показывает, как найти несколько минимумов параллельно для задачи, используя процессор с двумя ядрами. Задача та же, что и в Multiple Local Minima Via MultiStart.
Запишите файл функции, чтобы вычислить цель:
function f = sawtoothxy(x,y) [t r] = cart2pol(x,y); % change to polar coordinates h = cos(2*t - 1/2)/2 + cos(t) + 2; g = (sin(r) - sin(2*r)/2 + sin(3*r)/3 - sin(4*r)/4 + 4) ... .*r.^2./(r+1); f = g.*h; end
Создайте структуру задачи:
problem = createOptimProblem('fminunc',... 'objective',@(x)sawtoothxy(x(1),x(2)),... 'x0',[100,-50],'options',... optimoptions(@fminunc,'Algorithm','quasi-newton'));
Проверьте структуру задачи, запустив ее:
[x,fval] = fminunc(problem) x = 8.4420 -110.2602 fval = 435.2573
Создайте MultiStart
и установите объект для использования параллельной обработки и итерационного отображения:
ms = MultiStart('UseParallel',true,'Display','iter');
Настройте параллельную обработку:
parpool Starting parpool using the 'local' profile ... connected to 4 workers. ans = Pool with properties: Connected: true NumWorkers: 4 Cluster: local AttachedFiles: {} IdleTimeout: 30 minute(s) (30 minutes remaining) SpmdEnabled: true
Запустите задачу на 50 стартовых точках:
[x,fval,eflag,output,manymins] = run(ms,problem,50); Running the local solvers in parallel. Run Local Local Local Local First-order Index exitflag f(x) # iter F-count optimality 17 2 3953 4 21 0.1626 16 0 1331 45 201 65.02 34 0 7271 54 201 520.9 33 2 8249 4 18 2.968 ... Many iterations omitted ... 47 2 2740 5 21 0.0422 35 0 8501 48 201 424.8 50 0 1225 40 201 21.89 MultiStart completed some of the runs from the start points. 17 out of 50 local solver runs converged with a positive local solver exit flag.
Заметьте, что индексы запуска выглядят случайными. Параллельные MultiStart
запускает свои стартовые точки в непредсказуемом порядке.
Заметьте, что MultiStart
подтверждает параллельную обработку в первой линии выхода, в которой говорится: «Параллельный запуск локальных решателей».
Когда закончите, закройте параллельное окружение:
delete(gcp) Parallel pool using the 'local' profile is shutting down.
Пример того, как получить лучшие решения этой проблемы, см. в Примере: Поиск лучшего решения. Можно использовать параллельную обработку наряду с методами, описанной в этом примере.
Результаты MultiStart
запуски являются стохастическими. Время запусков также является стохастическим. Тем не менее некоторые явные тренды очевидны в следующей таблице. Данные для таблицы были получены из одного запуска в каждом количестве стартовых точек, на машине с двумя ядрами.
Начальные точки | Параллельные секунды | Последовательные секунды |
---|---|---|
50 | 3.6 | 3.4 |
100 | 4.9 | 5.7 |
200 | 8.3 | 10 |
500 | 16 | 23 |
1000 | 31 | 46 |
Параллельные вычисления могут быть медленнее последовательных, когда вы используете всего несколько начальных точек. Когда количество начальных точек увеличивается, параллельные вычисления становятся все более эффективными, чем последовательные.
Существует много факторов, которые влияют на ускорение (или замедление) с параллельной обработкой. Для получения дополнительной информации смотрите Улучшение эффективности при параллельных вычислениях.