scholarly journals On Generator of Random Problems for Linear Programming on Cluster Computing Systems

2021 ◽  
Vol 10 (2) ◽  
Keyword(s):  
Linear Programming ◽  
Cluster Computing ◽  
Computing Systems

scholarly journals On an iterative method for solving linear programming problems on cluster computing systems

2020 ◽  
pp. 329-340
Author(s):  
И.М. Соколинская ◽  
Л.Б. Соколинский
Keyword(s):  
Linear Programming ◽  
Large Scale ◽  
Cluster Computing ◽  
Parallel Implementation ◽  
Computing System ◽  
Feasible Region ◽  
Computing Systems ◽  
C Language ◽  
Linear Programming Problems ◽  
Predictor Corrector

Статья посвящена исследованию нового метода решения сверхбольших задач линейного программирования. Указанный метод получил название "апекс-метод". Апекс-метод работает по схеме предиктор-корректор. На фазе предиктор находится точка, лежащая на границе <em>n</em>-мерного многогранника, задающего допустимую область задачи линейного программирования. На фазе корректор организуется итерационный процесс, в результате которого строится последовательность точек, сходящаяся к точному решению задачи линейного программирования. В статье дается формальное описание апекс-метода и приводятся сведения о его параллельной реализации на языке C++ с использованием библиотеки MPI. Приводятся результаты масштабных вычислительных экспериментов на кластерной вычислительной системе по исследованию масштабируемости апекс-метода. The paper is devoted to a new method for solving large-scale linear programming (LP) problems. This method is called the apex-method. The apex-method uses the predictor–corrector framework. Thepredictor step calculates a point belonging to the feasible region of the LP problem. The corrector step calculates a sequence of points converging to the exact solution of the LP problem. The paper gives a formal description of the apex-method and provides information about its parallel implementation in C++ language using the MPI library. The results of large-scale computational experiments on a cluster computing system to study the scalability of the apex method are discussed.

scholarly journals A scalable algorithm for solving non-stationary linear programming problems

2018 ◽  
pp. 540-550
Author(s):  
И.М. Соколинская ◽  
Л.Б. Соколинский
Keyword(s):  
Linear Programming ◽  
High Dimension ◽  
Upper Bound ◽  
Cluster Computing ◽  
Computation Model ◽  
Computing Systems ◽  
Scalable Algorithm ◽  
Linear Programming Problems ◽  
Algorithm Implementation ◽  
Algorithm Scalability

Статья посвящена исследованию алгоритма NSLP для решения нестационарных задач линейного программирования сверхбольшой размерности, ориентированного на кластерные вычислительные системы. В основе анализа лежит модель параллельных вычислений BSF, основанная на моделях BSP и SPMD. Даются краткие описания алгоритма NSLP и модели BSF. Рассматривается реализация алгоритма NSLP в виде BSF-программы. На базе стоимостной метрики модели BSF выводится верхняя граница масштабируемости алгоритма NSLP и оценивается эффективность его параллелизации. Описывается реализация алгоритма NSLP на основе программного каркаса BSF на языке Си и приводятся результаты экспериментов, исследующих масштабируемость указанной реализации на модельной задаче линейного программирования. Делается сравнение результатов, полученных аналитическим и экспериментальным путем. This paper is devoted to the scalability study of an NSLP algorithm for solving non-stationary high-dimension linear programming problems on cluster computing systems. The analysis is based on the BSF model of parallel computations. The BSF model is a new parallel computation model designed on the basis of BSP and SPMD models. The brief descriptions of the NSLP algorithm and the BSF model are given. The NSLP algorithm implementation in the form of a BSF program is considered. On the basis of the BSF cost metric, the upper bound of the NSLP algorithm scalability is derived and its parallel efficiency is estimated. The NSLP algorithm implementation using BSF skeleton is described. The scalability estimates obtained analytically and experimentally are compared.

scholarly journals On validation of solutions to linear programming problems on cluster computing systems

2021 ◽  
pp. 252-261
Author(s):  
Л.Б. Соколинский ◽  
И.М. Соколинская
Keyword(s):  
Linear Programming ◽  
Objective Function ◽  
Large Scale ◽  
Cluster Computing ◽  
Parallel Implementation ◽  
Main Idea ◽  
Small Radius ◽  
Feasible Region ◽  
Computing Systems ◽  
Scalable Algorithm

В статье представлен параллельный алгоритм валидации решений задач линейного программирования. Идея метода состоит в том, чтобы генерировать регулярный набор точек на гиперсфере малого радиуса, центрированной в точке тестируемого решения. Целевая функция вычисляется для каждой точки валидационного множества, принадлежащей допустимой области. Если все полученные значения меньше или равны значению целевой функции в точке, проверяемой как решение, то эта точка считается корректным решением. Параллельная реализация алгоритма VaLiPro выполнена на языке C++ с использованием параллельного BSF-каркаса, инкапсулирующего в проблемно-независимой части своего кода все аспекты, связанные с распараллеливанием программы на базе библиотеки MPI. Приводятся результаты масштабных вычислительных экспериментов на кластерной вычислительной системе, подтверждающие эффективность предложенного подхода. The paper presents and evaluates a scalable algorithm for validating solutions to linear programming (LP) problems on cluster computing systems. The main idea of the method is to generate a regular set of points (validation set) on a small-radius hypersphere centered at the solution point submitted to validation. The objective function is computed at each point of the validation that belongs to the feasible region. If all the values are less than or equal to the value of the objective function at the point that is to be validated, then this point is the correct solution. The parallel implementation of the VaLiPro algorithm is written in C++ through the parallel BSF-skeleton, which encapsulates all aspects related to the MPI-based parallelization of the program. We provide the results of large-scale computational experiments on a cluster computing system to study the scalability of the VaLiPro algorithm.

An Efficient Live Process Migration Approach for High Performance Cluster Computing Systems

2011 ◽  
pp. 362-373 ◽  
Author(s):  
Ehsan Mousavi Khaneghah ◽  
Najmeh Osouli Nezhad ◽  
Seyedeh Leili Mirtaheri ◽  
Mohsen Sharifi ◽  
Ashakan Shirpour
Keyword(s):  
High Performance ◽  
Cluster Computing ◽  
Process Migration ◽  
Computing Systems
Sign in / Sign up

Export Citation Format

Share Document