Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Genetic Algorithms
Running into
Portable Devices:
A First Approach
Christian Cintrano y
Enrique Alba
MAEB ’16
MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach
Motivación
El ...
MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach
Dispositivos
S...
MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach
Algoritmo Gené...
MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach
● 3 caracterís...
MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach
Experimentos -...
MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach
Experimentos -...
MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach
Experimentos -...
MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach
Dispositivo Fu...
MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach
Conclusiones
●...
Genetic Algorithms
Running into
Portable Devices:
A First Approach
Christian Cintrano y
Enrique Alba
MAEB ’16
Upcoming SlideShare
Loading in …5
×

MAEB2016 Genetic Algorithms Running into Portable Devices

92 views

Published on

Presentación del artículo "Genetic Algorithms Running into Portable Devices: A First Approach" de la conferencia MAEB'16, Salamanca (España), Septiembre 2016

Published in: Technology
  • Be the first to comment

  • Be the first to like this

MAEB2016 Genetic Algorithms Running into Portable Devices

  1. 1. Genetic Algorithms Running into Portable Devices: A First Approach Christian Cintrano y Enrique Alba MAEB ’16
  2. 2. MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach Motivación El uso de Smartphones y Tablets se ha vuelto parte de nuestra vida cotidiana 2/10 Smartphone and PC shipments, with projections for 2016 and 2020 Estudiar el rendimiento de dispositivos portables al ejecutar algoritmos de optimización
  3. 3. MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach Dispositivos S.O. Ubuntu 14.04 LTE CPU Intel i5-4160 (3.2 GHz) Memoria 8 GB + 6 MB + 256 KB + 64 KB S.O. Android 4.0.4 Android 4.4.4 CPU ARM Cortex A15 (2.9 GHz) ARM Cortex A9 (1.0 GHz) Memoria 1 GB + 1024 KB + 64 KB 2 GB + 2048 KB + 32 KB Batería 7000 mAh 1860 mAh 3/10 PortablesSobremesa
  4. 4. MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach Algoritmo Genético Un algoritmo genético (GA) es un tipo de Metaheurística basada en el proceso de selección natural que imita la evolución biológica. 4/10 Pseudo-código de un GA de estado estacionario:
  5. 5. MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach ● 3 características principales: memoria, velocidad y batería ● 2 problemas: OneMax y Frequency Modulation Sounds (FMS) ● 3 diferentes tamaños de problema y población (bajo, medio y alto) ● Misma implementación y representación en cada dispositivo ● Condiciones de parada: fitness óptimo y 10 millones de iteraciones ● 30 ejecuciones independientes para cada combinación de tamaño y problema Detalles previos 5/10 OneMax: FMS:
  6. 6. MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach Experimentos - Memoria FMS tiene el menor diferencia en consumo Necesidad de memoria Diferencias entre plataformas 6/10 (OneMax) (FMS) Consumo mdispositivo relativo msobremesa ≡ ConsumoRelativo ConsumoRelativo ConsumoRelativo por Población por Tamaño de Problema Tamaño de Población Tamaño de Población Tamaño de Problema (OneMax)
  7. 7. MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach Experimentos - Velocidad 7/10 (One Max) (FMS) OneMax FMS Tiempo Absoluto (tdispositivo) Rápido Lento Tiempo Relativo (tdispositivo/tsobremesa) Lento Rápido Tiempo tdispositivo relativo tsobremesa ≡ TiempoRelativo TiempoRelativo TiempoRelativo por Población por Tamaño de Problema Tamaño de Población Tamaño de Población Tamaño de Problema (OneMax)
  8. 8. MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach Experimentos - Batería El consumo de batería depende del tiempo de ejecución y del tipo de procesador. 8/10 Eficiencia energética Alto rendimiento Tipo de núcleo Tiempo de ejecución Consumo energético Batería(mAh) Tiempo (s)
  9. 9. MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach Dispositivo Fuente de datos OneMax 100 500 1000 FMS Ajuste 39,00 21,38 19,91 1,66 Smartphone Experimental 23,45 21,91 18,02 1,64 Ajuste normalizado 23,16 12,69 11,82 0,99 Ajuste 68,00 51,50 51,75 4,13 Tablet Experimental 36,31 48,84 51,08 4,23 Ajuste normalizado 21,25 16,09 16,17 1,29 Experimentos - Modelos numéricos Dos ajustes 9/10 (x = tamaño de población) y = a + bx y = a + b log(x) OneMax FMS
  10. 10. MAEB’16 14-16 Septiembre Cintrano y Alba Genetic Algorithms Running into Portable Devices: A First Approach Conclusiones ● Se ha presentado un primer análisis del rendimiento sobre smartphone y tablet para ejecutar algoritmos de optimización. ● Se ha destacado la diferencia en la gestión de la memoria entre plataformas ● Se ha probado la buena eficiencia de los estos portables a la hora de ejecutar un GA. ● Se han interpretado resultados numéricamente para completar este estudio. Trabajo Futuro ● Analizar otros algoritmos metaheurísticos, por ejemplo los basados en trayectoria. ● Medir el rendimiento mientras se comparten recursos con otras apps. ● Comprobar el impacto del multithreading y JNI en el consumo de memoria y energía. Conclusiones y Trabajo Futuro 10/10
  11. 11. Genetic Algorithms Running into Portable Devices: A First Approach Christian Cintrano y Enrique Alba MAEB ’16

×