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;
endСоздайте 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 =
435.2573Создайте 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: trueЗапустите 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.