-
Notifications
You must be signed in to change notification settings - Fork 0
/
RRG-DE-PSO.cu
executable file
·1394 lines (1155 loc) · 54.2 KB
/
RRG-DE-PSO.cu
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
/**
Inferencia en Redes Reguladoras de Genes
RRGDiver.cu
Compilar con las banderas: nvcc --default-stream per-thread -lcurand -O2 -o test RRGDiver.cu
@author AF
@version 1.3 06/09/16
*/
#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <cmath>
#include <cfloat>
#include <cuda.h>
#include <curand.h>
#include <curand_kernel.h>
#include <pthread.h>
#define POPSIZE 64 // Tamano de la poblacion
#define GMAX 500 // Numero de generaciones
#define PSOGEN 200 // Numero de iteraciones PSO
#define FPARAM 0.04f // Parametro F para la ED
#define MAXRAND 64 // Tamano del vector de valores random
#define HILOS_X 8 // Hilos y Bloques para Kernels
#define HILOS_Y 8
#define BLOQUES_X 8
#define BLOQUES_Y 8
#define MAXGij 4.0 // Rangos de exploracion
#define MINGij -4.0
#define MAXHij 4.0
#define MINHij -4.0
#define MAXALPHA 20.0
#define MINALPHA 0.0
#define MAXBETA 20.0
#define MINBETA 0.0
/**
Variables de rendimiento
*/
#define CORRIDAS 10 // Numero de corridas
#define STREAMS 1 // Procesos simultaneos
#define GPUS 0 // Maximos de GPUs (0 = Sin limite)
/**
Diversidad
*/
#define DIVERSIDAD 50 // Cantidad de generaciones sin mejorar fitness
#define REMPDIV 0.7 // Porcentaje de remplazo en diversidad
/**
PSO
*/
#define WPSO 0.7
#define C1 1.4
#define C2 1.4
/**
Prioridad a G y H ceros
*/
#define PCOEF 0.01 // Coeficiente de penalización
#define PROF 2 // Profundidad de busqueda
#define UMBR 0.05 // Umbral de skeletalizing
#define DEBUG false // Debuguer
typedef struct ThreadParams { // Parametros para la funcion pthreads
int serie; // Serie que se esta evaluando
int corrida; // Corrida que se esta ejecutando
int device; // id del GPU que esta haciendo la evaluacion
int control; // id del hilo en el GPU que ejecuta la evaluacion
float resultado; // Mejor fitness obtenido
} ThreadParams;
pthread_mutex_t mutexsum;
pthread_t *threads; // Arreglo para el manejo de hilos en CPU
ThreadParams **args;
cudaStream_t **streamEval; // Arreglo de Streams para procesos simultaneos GPU
cudaStream_t **streamCalc;
cudaEvent_t *start;
cudaEvent_t *stop;
curandGenerator_t **randomGenerator; // Generador para CURAND
FILE *fIn; // Archivo de entrada
FILE *fOut; // Archivo de salida
int numeroGenes,nseries,numeroTiempos; // Variables de control para la instancia
int individuoSize_H,solucionSize_H; // Variables de tamanos para parametros
int GSize_H,HSize_H,AlphaSize_H,BetaSize_H;
float h; // Denota el tamaño de paso para el metodo Runge - Kutta
float MValor; // Maxima distancia euclidiana posible calculada con los limites de G, H alfa y beta
float ***W_D; // Variables de calculo para evolucion diferencial
float ***K_D; // Se cambiaron todas las variables globales en arreglos de diferentes dimenciones
float **tiempos; // para diferenciar las ejecuciones en diferentes device, hilos o corrida.
float ***auxiliar;
float *datosReales;
float ***fitness_H;
float ***fitness_D;
float ***goodness_D;
float ***minGoodness;
float ***poblacion_D;
float ***datosReales_D;
float ***mejorIndividuo;
float ***nuevoFitness_D;
float ***nuevaPoblacion_D;
float ***randomFloatValues_D;
int ***numBSF;
int ***numBSF_D;
int ***idBSF;
int ***idBSF_D;
float ***bestSoFar;
float ***bestSoFar_D;
float ***MSE;
float ***MSE_D;
float ***RMSE;
float ***RMSE_D;
int ***mustChange_D;
int ***randomIndices_D;
int nswarm, ndim;
dim3 bloque(HILOS_X,HILOS_Y); // Dimenciones de bloques e hilos
dim3 malla(BLOQUES_X,BLOQUES_Y);
/**
MACRO para corroborar si una llamada a CURAND fue exitosa.
@param x funcion de curand.
*/
#define CURAND_CALL(x) if((x)!=CURAND_STATUS_SUCCESS) { \
printf("CURAND - Error en %s:%d, Codigo: %d\n",__FILE__,__LINE__, (x));\
cudaDeviceReset();\
}
/**
MACRO para corroborar si una llamada a CUDA fue exitosa.
@param x funcion de cuda.
*/
#define CUDA_CALL(x) if((x) != cudaSuccess) { \
printf("CUDA - Error en %s:%d, %s\n",__FILE__,__LINE__, cudaGetErrorString(x)); \
cudaDeviceReset();\
}
/**
Device Realiza el calculo de la ecuacion diferencial.
@param X valor en tiempo t de cada gen.
@param i gen que se esta evaluando.
@param ngen numero de genes.
@param G valores G.
@param H valores H.
@param alpha valores alpha.
@param beta valores beta.
@return valor en el tiempo.
*/
__device__ float SSystem(float *X, int i, int ngen, float * G, float * H, float * alpha, float * beta){
float evaluation,prod1,prod2;
int j;
for(j = 0,prod1 = 1,prod2 = 1; j < ngen; j++){
prod1=prod1*pow(X[j],G[i*ngen+j]);
prod2=prod2*pow(X[j],H[i*ngen+j]);
}
evaluation = alpha[i]*prod1-beta[i]*prod2;
if(isnan(evaluation) || isinf(evaluation))
evaluation=0;
return evaluation;
}
/**
Device Metodo Runge - Kutta.
@param G valores G.
@param H valores H.
@param alph valores alpha.
@param beta valores beta.
@param X auxiliar para calculo del valor de salida.
@param B datos reales.
@param w auxiliar para calculo del sistema s.
@param k auxiliar para calculo del sistema s.
@param numeroTiempos numero de tiempos.
@param numeroGenes numero de genes.
@param h parametro de paso para RK.
@param i tiempo que se esta evaluando
@change Se modifico el metodo para que se evaluaran todos los tiempos en un hilo diferente.
*/
__device__ void rungeKutta(float *G, float * H, float *alph, float * beta, float *X, float *B, float *w, float * k, int numeroTiempos, int numeroGenes, float h, int i){
int j;
for(j = 0; j < numeroGenes; j++)
w[j] = X[j*numeroTiempos+i];
for(j = 0; j < numeroGenes; j++)
k[j] = h*SSystem( w,j, numeroGenes, G,H, alph, beta);
for(j = 0; j < numeroGenes; j++)
w[j] = X[j*numeroTiempos+i]+k[0+j]/2;
for(j = 0; j < numeroGenes; j++)
k[1*numeroGenes+j] = h*SSystem( w,j, numeroGenes, G,H, alph, beta);
for(j = 0; j < numeroGenes; j++)
w[j] = X[j*numeroTiempos+i]+k[1*numeroGenes+j]/2;
for(j = 0; j < numeroGenes; j++)
k[2*numeroGenes+j] = h*SSystem( w,j, numeroGenes, G,H, alph, beta);
for(j = 0; j < numeroGenes; j++)
w[j] = X[j*numeroTiempos+i]+k[2*numeroGenes+j];
for(j = 0; j < numeroGenes; j++)
k[3*numeroGenes+j] = h*SSystem( w,j, numeroGenes, G,H, alph, beta);
for(j = 0; j < numeroGenes; j++){
X[j*numeroTiempos+i+1] = X[j*numeroTiempos+i]+(k[0+j]+2*k[1*numeroGenes+j]+2*k[2*numeroGenes+j]+k[3*numeroGenes+j])/6;
if(X[j*numeroTiempos+i+1] < 0)
X[j*numeroTiempos+i+1] = 0;
}
}
/**
Device Calcula el error cuadratico medio del arreglo de todos los valores calculados de X.
@param X_i valores calculados para el individuo.
@param realData valores reales.
@param aptitud fitness del individuo.
@param numeroGenes numero de genes.
@param numeroTiempos numero de tiempos.
@param ini individuo que se esta evaluando.
*/
__device__ void errorCuadraticoMedio(float *X_i, float *realData, float *aptitud, int numeroGenes, int numeroTiempos, int ini, float *G, float *H, float *auxiliar){
float sum = 0, sumProm = 0;
int n = numeroGenes*numeroTiempos;
float gAbs = 0, hAbs = 0;
int i, j, k;
float selected;
for(k = 0; k < numeroGenes; k++){
for(j = 0; j < numeroGenes; j++){
auxiliar[j] = abs(G[k*numeroGenes+j]);
auxiliar[numeroGenes+j] = abs(H[k*numeroGenes+j]);
}
for(i = 0; i < numeroGenes; i++){
selected = auxiliar[i];
j = i - 1;
while ((j >= 0) && (selected < auxiliar[j])) {
auxiliar[j+1] = auxiliar[j];
j--;
}
auxiliar[j+1] = selected;
selected = auxiliar[numeroGenes+i];
j = i - 1;
while ((j >= 0) && (selected < auxiliar[numeroGenes+j])) {
auxiliar[numeroGenes+j+1] = auxiliar[numeroGenes+j];
j--;
}
auxiliar[numeroGenes+j+1] = selected;
}
for(j = 0; j < PROF; j++){
gAbs += auxiliar[j];
hAbs += auxiliar[numeroGenes+j];
//printf("g %f, h %f, sumg %f, sumh %f ", auxiliar[j], auxiliar[numeroGenes+j], gAbs, hAbs);
}
//printf("\n");
__syncthreads();
}
for(int i = 0; i < n; i++){
sum += powf((X_i[i]-realData[i])/(realData[i]),2);
sumProm += powf((X_i[i]-realData[i]),2);
__syncthreads();
}
//printf("sum %f, gAbs %f, hAbs %f, sumTotal %f \n", sum, gAbs, hAbs, sum + (PCOEF * (gAbs + hAbs)));
sum += PCOEF * (gAbs + hAbs);
if(isinf(sum))
sum = FLT_MAX;
aptitud[ini] = sum;
aptitud[ini + POPSIZE] = (sumProm/n);
aptitud[ini + (2*POPSIZE)] = sqrt(sumProm/n);
}
/**
Device Evalua a los miembros de poblacion, el indice global del thread toma el apuntador
al individuo correspondiente.
@param poblacion individuos de la poblacion.
@param realData valores reales.
@param w auxiliar para calculo del sistema s.
@param k auxiliar para calculo del sistema s.
@param numeroTiempos numero de tiempos.
@param numeroGenes numero de genes.
@param h parametro de paso para RK.
@param indSize tamano de cada individuo.
@param aptitud fitness de la poblacion.
@change se agrego un desplazamiento a las variables W y K, ya que se traslapaba la informacion
y no se hacia correctamente la evaluacion
*/
__global__ void evaluaPoblacion(float *poblacion,float *realData, float *W, float *K, int numeroTiempos,int numeroGenes,float h,int indSize,float *aptitud, float *auxiliar){
int i = threadIdx.x + (blockIdx.x * blockDim.x);
int j;
int k = 0;
float *individuo,*G_i,*H_i,*A_i,*B_i,*X_i;
while(i < POPSIZE){
individuo = poblacion+i*indSize; //i*indSize es el offset hasta el siguiente individuo
G_i = individuo;
H_i = individuo + numeroGenes*numeroGenes;
A_i = individuo + 2*numeroGenes*numeroGenes;
B_i = individuo + 2*numeroGenes*numeroGenes + numeroGenes;
X_i = individuo + 2*numeroGenes*numeroGenes + 2*numeroGenes;
W += i*numeroGenes;
K += i*4*numeroGenes;
/*Resolvemos el sistema de ecuaciones diferenciales para obtener las predicciones X_i*/
for(j = 0; j < numeroGenes; j++)
X_i[numeroTiempos*j] = realData[numeroTiempos*j];
k = 0;
while(k < numeroTiempos-1){
rungeKutta(G_i,H_i,A_i,B_i,X_i,realData,W,K,numeroTiempos,numeroGenes,h, k);
__syncthreads();
k += 1;
}
/*Error cuadratico medio*/
errorCuadraticoMedio(X_i, realData, aptitud, numeroGenes, numeroTiempos, i, G_i, H_i, auxiliar);
i += blockDim.x * gridDim.x;
}
}
__global__ void iniSwarm(float *swarm, float *pbest, int indSize, float *vMatrix, float *randomValues){
int i = threadIdx.x + blockIdx.x * blockDim.x;
int j = threadIdx.y + blockIdx.y * blockDim.y;
while(i < POPSIZE){
while( j < indSize){
pbest[j+i*indSize] = swarm[j+i*indSize];
vMatrix[j+i*indSize] = randomValues[j+i*indSize];
j += blockDim.y * gridDim.y;
}
i += blockDim.x * gridDim.x;
}
}
__global__ void swarmPSO(float *swarm, float *gbest, float *pbest, float *vMatrix,int indSize,int solucionSize, float *randomValues, int GSize, int HSize, int aSize, int bSize){
int i = threadIdx.x + blockIdx.x * blockDim.x;
int j = threadIdx.y + blockIdx.y * blockDim.y;
int k = 0;
float upperBound,lowerBound;
while(i < POPSIZE){
while( j < indSize-solucionSize){
//pbest[j+i*indSize] = pbest[j+i*indSize] - swarm[j+i*indSize];
//swarm[j+i*indSize] = gbest[j] - swarm[j+i*indSize];
vMatrix[j+i*indSize] = WPSO * vMatrix[j+i*indSize] + C1 * (randomValues[k+i*indSize] * pbest[j+i*indSize] - swarm[j+i*indSize]) + C2 * (randomValues[(k+1)+i*indSize] * gbest[j] - swarm[j+i*indSize]);
if(j < GSize){
upperBound = MAXGij;
lowerBound = MINGij;
}else if( j < GSize+HSize){
upperBound = MAXHij;
lowerBound = MINHij;
}else if(j < GSize+HSize+aSize){
upperBound = MAXALPHA;
lowerBound = MINALPHA;
}else if(j < GSize+HSize+aSize+bSize){
upperBound = MAXBETA;
lowerBound = MINBETA;
}
swarm[j+i*indSize] += vMatrix[j+i*indSize];
//printf("%f, %f, %f, %d, %d\n", swarm[j+i*indSize], upperBound, lowerBound, swarm[j+i*indSize] > upperBound, swarm[j+i*indSize] < lowerBound);
if (swarm[j+i*indSize] > upperBound || swarm[j+i*indSize] < lowerBound ){
//printf("cambiando valor %f, %f, %f\n", swarm[j+i*indSize], upperBound, lowerBound);
swarm[j+i*indSize] = lowerBound + randomValues[k+i*indSize]*(upperBound-lowerBound);
//printf("nuevo valor %f, %f, %f\n", swarm[j+i*indSize], upperBound, lowerBound);
}
//else{
//printf("no cambio valor %f, %f, %f\n", swarm[j+i*indSize], upperBound, lowerBound);
//}
//veridicar que se encuentre dentro de los limites
//printf("i %d, j %d, %f, %f\n",i, j, swarm[j+i*indSize], gbest[j]);
k += 2;
j += blockDim.y * gridDim.y;
}
i += blockDim.x * gridDim.x;
}
}
/**
Device Obtiene la distancia de un individuo con la poblacion
y calcula el Goodness con g(ini) = f(s) + e^be / menor.
@param poblacion individuos de la poblacion.
@param realData valores reales.
@param w auxiliar para calculo del sistema s.
@param k auxiliar para calculo del sistema s.
@param numeroTiempos numero de tiempos.
@param numeroGenes numero de genes.
@param h parametro de paso para RK.
@param indSize tamano de cada individuo.
@param aptitud fitness de la poblacion.
@return valores del goodness del individuo.
*/
__device__ void obtenerGoodness(float *dist, int ini, float *salida, float *aptitud, int numeroGenes, float MValor, float *bestSoFar){
float menor = FLT_MAX;
float valor = 0;
float be = 0.08;
for(int i = ini*POPSIZE; i < ini*POPSIZE+POPSIZE; i++){
valor = sqrt(dist[i]);
if (valor < menor)
menor = valor;
}
be*=MValor;
if (aptitud[ini] <= *bestSoFar) {
salida[ini] = 0;
}
else salida[ini] = aptitud[ini] + exp(be/menor);
//printf("aptitud %f, salida %f, menor %f, %f\n", aptitud[ini], salida[ini], menor, MValor);
}
__global__ void obtenerMetricas(float *bestSoFar, float *MSE, float *RMSE, float *aptitud, int *numBSF, int *idBSF){
float menor = FLT_MAX;
float valor = 0;
int idMenor = 0;
for(int i = 0; i < POPSIZE; i++){
__syncthreads();
valor = aptitud[i];
if (valor <= menor){
menor = valor;
idMenor = i;
}
}
if (menor < *bestSoFar){
*bestSoFar = aptitud[idMenor];
*MSE = aptitud[idMenor + POPSIZE];
*RMSE = aptitud[idMenor + (2*POPSIZE)];
*idBSF = idMenor;
*numBSF = 0;
}
else{
*numBSF+=1;
}
}
/**
Device Calcula la distancia euclidiana de cada individuo con los demas de la poblacion.
@param poblacion individuos de la poblacion.
@param numeroGenes numero de genes.
@param indSize tamano de cada individuo.
@param aptitud fitness de la poblacion.
@param distancia auxiliar para calculo del goodness.
@param sum auxiliar para calculo de la minima distancia.
@param MValor valor maximo de distancia.
*/
__global__ void calculaDistancia(float *poblacion, int numeroGenes,int indSize,float *aptitud,float *distancia,float *sum, float MValor, float *bestSoFar){
int i = threadIdx.x + blockIdx.x * blockDim.x;
int j = threadIdx.y + blockIdx.y * blockDim.y;
int k = 0;
float *individuoi, *individuoj;
while(i < POPSIZE){
individuoi = poblacion+i*indSize;
while(j < POPSIZE){
individuoj = poblacion+j*indSize;
sum[POPSIZE*i+j] = 0;
while(k < 2*numeroGenes*numeroGenes + 2*numeroGenes){
if (i != j){
sum[POPSIZE*i+j] += powf(individuoi[k]-individuoj[k],2);
//printf("%f contra %f en i %d, j %d y k %d = %f = %f \n", individuoi[k], individuoj[k], i, j, k, powf(individuoi[k]-individuoj[k],2), sum[POPSIZE*i+j]);
}
else{
sum[POPSIZE*i+j] = nan("");
}
k++;
}
//printf("en i %d, j %d = %f = %f \n", i, j, sum[POPSIZE*i+j], sqrt(sum[POPSIZE*i+j]));
j += blockDim.y * gridDim.y;
}
obtenerGoodness(sum, i, distancia, aptitud, numeroGenes, MValor, bestSoFar);
i += blockDim.x * gridDim.x;
}
}
/**
Device Calcula el valor a partir del cual se reemplazaran los individuos para conservar diversidad,
Ordena los individuos del menor al mayor, a partir del porcentaje de reemplazo elige al primer individuo
que no sera elejido y guarda su goodness, cualquier individuo con un valor menor sera reemplazado.
@param array auxiliar para ordenamiento.
@param goodness goodness de la poblacion.
@param minGoodness valor de reemplazo.
*/
__global__ void buscaRemplazo(float *array, float *goodness, float *minGoodness) {
int i, j, k;
float selected;
int cambio = (int )POPSIZE-POPSIZE*REMPDIV;
for(k = 0; k < POPSIZE; k++)
array[k] = goodness[k];
for (i = 1; i < POPSIZE; i++){
selected = array[i];
j = i - 1;
while ((j >= 0) && (selected < array[j])) {
array[j+1] = array[j];
j--;
}
array[j+1] = selected;
}
//printf("reemplazo en %d = %f\n", cambio, array[cambio]);
*minGoodness = array[cambio];
}
/**
Device Crea diversidad en la poblacion modificandlos valores de g, h, alfa y beta.
Cada parametro tiene la probabilidad pMutacion de ser modificado.
@param array auxiliar para ordenamiento.
@param goodness goodness de la poblacion.
@param minGoodness valor de reemplazo.
@param minGoodness valor de reemplazo.
@param minGoodness valor de reemplazo.
@param minGoodness valor de reemplazo.
@param minGoodness valor de reemplazo.
@param minGoodness valor de reemplazo.
*/
__global__ void diversifica(float *poblacion, float *aptitud, int indSize, int GSize, int HSize, int aSize, int bSize, int solucionSize, float *randomValues, float *minGoodness, int randControl){
int i = threadIdx.x + blockIdx.x * blockDim.x;
int j = threadIdx.y + blockIdx.y * blockDim.y;
int k;
bool lower = false;
float upperBound,lowerBound;
float pMutacion = 0;
while(i < POPSIZE-1){
if (aptitud[i] >= *minGoodness){
while( j < indSize-solucionSize){
k = i*indSize+j;
if(j < GSize){
upperBound = MAXGij;
lowerBound = MINGij;
lower = true;
}else if( j < GSize+HSize){
upperBound = MAXHij;
lowerBound = MINHij;
lower = true;
}else if(j < GSize+HSize+aSize){
upperBound = MAXALPHA;
lowerBound = MINALPHA;
}else if(j < GSize+HSize+aSize+bSize){
upperBound = MAXBETA;
lowerBound = MINBETA;
}
if(randomValues[(i*(indSize-solucionSize)+j)+randControl] > pMutacion){
poblacion[k] = lowerBound + randomValues[(i*(indSize-solucionSize)+j)+randControl]*(upperBound-lowerBound);
if (lower && abs(poblacion[k]) < UMBR) poblacion[k] = 0;
}
j += blockDim.y * gridDim.y;
}
}
i += blockDim.x * gridDim.x;
}
}
/*Libera recursos*/
void liberaMemoria(){
free(fitness_H);
free(mejorIndividuo);
free(datosReales);
}
void liberaMemoriaDevice(int device, int control){
CUDA_CALL(cudaFree(poblacion_D[device][control]));
CUDA_CALL(cudaFree(fitness_D[device][control]));
CUDA_CALL(cudaFree(goodness_D[device][control]));
CUDA_CALL(cudaFree(nuevaPoblacion_D[device][control]));
CUDA_CALL(cudaFree(nuevoFitness_D[device][control]));
CUDA_CALL(cudaFree(randomIndices_D[device][control]));
CUDA_CALL(cudaFree(randomFloatValues_D[device][control]));
CUDA_CALL(cudaFree(mustChange_D[device][control]));
CUDA_CALL(cudaFree(W_D[device][control]));
CUDA_CALL(cudaFree(K_D[device][control]));
CUDA_CALL(cudaFree(auxiliar[device][control]));
CUDA_CALL(cudaFree(minGoodness[device][control]));
CUDA_CALL(cudaFreeHost(numBSF[device][control]));
CUDA_CALL(cudaFreeHost(idBSF[device][control]));
CUDA_CALL(cudaFreeHost(bestSoFar[device][control]));
curandDestroyGenerator(randomGenerator[device][control]);
//CUDA_CALL( cudaStreamDestroy(streamEval[device][control]) );
//CUDA_CALL( cudaStreamDestroy(streamCalc[device][control]) );
free(fitness_H[device][control]);
}
/*Inicializa la poblacion. Dado que todos los parametros estan codificados secuencialmente en el arreglo, recibe los tamanos de los parametros. Podria recibir los limites en su lugar. */
__global__ void inicializaPoblacion(float *poblacion,int indSize, int GSize, int HSize, int aSize, int bSize, int solucionSize,float *randomValues, float *bestSoFar, int *numBSF){
int i = threadIdx.x + blockIdx.x * blockDim.x;
int j = threadIdx.y + blockIdx.y * blockDim.y;
int k;
bool lower = false;
float upperBound,lowerBound;
*bestSoFar = FLT_MAX;
*numBSF = 0;
while(i < POPSIZE){
while( j < indSize-solucionSize){
k = i*indSize+j;
/*Limites para cada parametro, el ultimo caso (la solucion al sistema de ecuaciones diferenciales) es inicializacion en 0*/
if(j < GSize){
upperBound = MAXGij;
lowerBound = MINGij;
lower = true;
}else if( j < GSize+HSize){
upperBound = MAXHij;
lowerBound = MINHij;
lower = true;
}else if(j < GSize+HSize+aSize){
upperBound = MAXALPHA;
lowerBound = MINALPHA;
}else if(j < GSize+HSize+aSize+bSize){
upperBound = MAXBETA;
lowerBound = MINBETA;
}else{
upperBound = lowerBound = 0;
}
poblacion[k] = lowerBound + randomValues[i*(indSize-solucionSize)+j]*(upperBound-lowerBound);
if (lower && abs(poblacion[k]) < UMBR) poblacion[k] = 0;
j += blockDim.y * gridDim.y;
}
i += blockDim.x * gridDim.x;
}
}
/* Pide memoria */
void init(int numGpus){
GSize_H = numeroGenes*numeroGenes; /*Memoria para G*/
HSize_H = numeroGenes*numeroGenes; /*Memoria para H*/
AlphaSize_H = numeroGenes; /*Memoria para alpha*/
BetaSize_H = numeroGenes; /*Memoria para beta*/
solucionSize_H = numeroGenes*numeroTiempos; /*Memoria para la solucion a la ecuacion diferencial*/
individuoSize_H = GSize_H + HSize_H + AlphaSize_H + BetaSize_H + solucionSize_H;
MValor = sqrt( (numeroGenes*powf(MINGij-MAXGij,2)) + (numeroGenes*powf(MINHij-MAXHij,2)) + (numeroGenes*numeroGenes*powf(MINALPHA-MAXALPHA,2)) + (numeroGenes*numeroGenes*powf(MINBETA-MAXBETA,2)) );
nswarm = POPSIZE;
ndim = individuoSize_H;
datosReales = (float*) malloc(sizeof(float)*numeroGenes*numeroTiempos);
poblacion_D = (float***) malloc(sizeof(float**) * numGpus);
fitness_D = (float***) malloc(sizeof(float**) * numGpus);
goodness_D = (float***) malloc(sizeof(float**) * numGpus);
nuevaPoblacion_D = (float***) malloc(sizeof(float**) * numGpus);
nuevoFitness_D = (float***) malloc(sizeof(float**) * numGpus);
randomFloatValues_D = (float***) malloc(sizeof(float**) * numGpus);
fitness_H = (float***) malloc(sizeof(float**) * numGpus);
mejorIndividuo = (float***) malloc(sizeof(float**) * numGpus);
W_D = (float***) malloc(sizeof(float**) * numGpus);
K_D = (float***) malloc(sizeof(float**) * numGpus);
randomIndices_D = (int***) malloc(sizeof(int**) * numGpus);
mustChange_D = (int***) malloc(sizeof(int**) * numGpus);
randomGenerator = (curandGenerator_t**) malloc(sizeof(curandGenerator_t*) * numGpus * numGpus);
auxiliar = (float***) malloc(sizeof(float**) * numGpus);
minGoodness = (float***) malloc(sizeof(float**) * numGpus);
numBSF = (int***) malloc(sizeof(int**) * numGpus);
numBSF_D = (int***) malloc(sizeof(int**) * numGpus);
idBSF = (int***) malloc(sizeof(int**) * numGpus);
idBSF_D = (int***) malloc(sizeof(int**) * numGpus);
bestSoFar = (float***) malloc(sizeof(float**) * numGpus);
bestSoFar_D = (float***) malloc(sizeof(float**) * numGpus);
MSE = (float***) malloc(sizeof(float**) * numGpus);
MSE_D = (float***) malloc(sizeof(float**) * numGpus);
RMSE = (float***) malloc(sizeof(float**) * numGpus);
RMSE_D = (float***) malloc(sizeof(float**) * numGpus);
}
/* Inicializa los arreglos que se utilizarán en determinado GPU*/
void initDevice(int deviceId){
poblacion_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
fitness_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
goodness_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
nuevaPoblacion_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
nuevoFitness_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
randomFloatValues_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
fitness_H[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
W_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
K_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
mejorIndividuo[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
mustChange_D[deviceId] = (int**) malloc(sizeof(int*)*CORRIDAS);
randomIndices_D[deviceId] = (int**) malloc(sizeof(int*)*CORRIDAS);
randomGenerator[deviceId] = (curandGenerator_t*) malloc(sizeof(curandGenerator_t) * CORRIDAS);
streamEval[deviceId] = (cudaStream_t*) malloc(sizeof(cudaStream_t) * CORRIDAS);
streamCalc[deviceId] = (cudaStream_t*) malloc(sizeof(cudaStream_t) * CORRIDAS);
auxiliar[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
minGoodness[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
bestSoFar[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
bestSoFar_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
MSE[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
MSE_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
RMSE[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
RMSE_D[deviceId] = (float**) malloc(sizeof(float*)*CORRIDAS);
numBSF[deviceId] = (int**) malloc(sizeof(int*)*CORRIDAS);
numBSF_D[deviceId] = (int**) malloc(sizeof(int*)*CORRIDAS);
idBSF[deviceId] = (int**) malloc(sizeof(int*)*CORRIDAS);
idBSF_D[deviceId] = (int**) malloc(sizeof(int*)*CORRIDAS);
}
/* Inicializa los arreglos y crea los Streams y el generador de numeros aleatorios en el device correspondiente */
void initDeviceControl(int deviceId, int control){
mejorIndividuo[deviceId][control] = (float*) malloc(sizeof(float)*individuoSize_H);
poblacion_D[deviceId][control] = (float*) malloc(sizeof(float)*individuoSize_H*POPSIZE);
fitness_H[deviceId][control] = (float*) malloc(sizeof(float)*POPSIZE);
randomFloatValues_D[deviceId][control] = (float*) malloc(sizeof(float)*(individuoSize_H-solucionSize_H)*POPSIZE*CORRIDAS);
fitness_D[deviceId][control] = (float*) malloc(sizeof(float)*POPSIZE*3);
nuevoFitness_D[deviceId][control] = (float*) malloc(sizeof(float)*POPSIZE*3);
goodness_D[deviceId][control] = (float*) malloc(sizeof(float)*POPSIZE);
nuevaPoblacion_D[deviceId][control] = (float*) malloc(sizeof(float)*individuoSize_H*POPSIZE);
mustChange_D[deviceId][control] = (int*) malloc(sizeof(int)*POPSIZE);
randomIndices_D[deviceId][control] = (int*) malloc(sizeof(int)*POPSIZE*3);
W_D[deviceId][control] = (float*) malloc(sizeof(float)*numeroGenes*POPSIZE*numeroTiempos*2);
K_D[deviceId][control] = (float*) malloc(sizeof(float)*4*numeroGenes*POPSIZE*numeroTiempos*2);
auxiliar[deviceId][control] = (float*) malloc(sizeof(float)*POPSIZE*POPSIZE);
minGoodness[deviceId][control] = (float*) malloc(sizeof(float));
numBSF[deviceId][control] = (int*) malloc(sizeof(int));
numBSF_D[deviceId][control] = (int*) malloc(sizeof(int));
idBSF[deviceId][control] = (int*) malloc(sizeof(int));
idBSF_D[deviceId][control] = (int*) malloc(sizeof(int));
bestSoFar[deviceId][control] = (float*) malloc(sizeof(float));
bestSoFar_D[deviceId][control] = (float*) malloc(sizeof(float));
MSE[deviceId][control] = (float*) malloc(sizeof(float));
MSE_D[deviceId][control] = (float*) malloc(sizeof(float));
RMSE[deviceId][control] = (float*) malloc(sizeof(float));
RMSE_D[deviceId][control] = (float*) malloc(sizeof(float));
CUDA_CALL( cudaSetDevice(deviceId) );
CUDA_CALL(cudaMalloc(&poblacion_D[deviceId][control], sizeof(float)*individuoSize_H*POPSIZE));
CUDA_CALL(cudaMalloc(&nuevaPoblacion_D[deviceId][control], sizeof(float)*individuoSize_H*POPSIZE));
CUDA_CALL(cudaMalloc((void **)&randomFloatValues_D[deviceId][control], sizeof(float)*(individuoSize_H-solucionSize_H)*POPSIZE*MAXRAND) );
CUDA_CALL(cudaMalloc(&fitness_D[deviceId][control], sizeof(float)*POPSIZE*3));
CUDA_CALL(cudaMalloc(&nuevoFitness_D[deviceId][control], sizeof(float)*POPSIZE*3));
CUDA_CALL(cudaMalloc(&goodness_D[deviceId][control], sizeof(float)*POPSIZE));
CUDA_CALL(cudaMalloc(&randomIndices_D[deviceId][control] , 3*POPSIZE*sizeof(int) ) );
CUDA_CALL(cudaMalloc(&mustChange_D[deviceId][control] , POPSIZE*sizeof(int) ) );
CUDA_CALL(cudaMalloc(&W_D[deviceId][control], sizeof(float)*numeroGenes*POPSIZE*numeroTiempos*2));
CUDA_CALL(cudaMalloc(&K_D[deviceId][control], sizeof(float)*4*numeroGenes*POPSIZE*numeroTiempos*2));
CUDA_CALL(cudaMalloc(&auxiliar[deviceId][control], sizeof(float) *POPSIZE*POPSIZE*individuoSize_H));
CUDA_CALL(cudaMalloc(&minGoodness[deviceId][control], sizeof(float)));
CUDA_CALL( cudaHostAlloc((void**) &numBSF[deviceId][control], sizeof(int), cudaHostAllocMapped) );
CUDA_CALL( cudaHostGetDevicePointer(&numBSF_D[deviceId][control], numBSF[deviceId][control], 0) );
CUDA_CALL( cudaHostAlloc((void**) &idBSF[deviceId][control], sizeof(int), cudaHostAllocMapped) );
CUDA_CALL( cudaHostGetDevicePointer(&idBSF_D[deviceId][control], idBSF[deviceId][control], 0) );
CUDA_CALL( cudaHostAlloc((void**) &bestSoFar[deviceId][control], sizeof(float), cudaHostAllocMapped) );
CUDA_CALL( cudaHostGetDevicePointer(&bestSoFar_D[deviceId][control], bestSoFar[deviceId][control], 0) );
CUDA_CALL( cudaHostAlloc((void**) &MSE[deviceId][control], sizeof(float), cudaHostAllocMapped) );
CUDA_CALL( cudaHostGetDevicePointer(&MSE_D[deviceId][control], MSE[deviceId][control], 0) );
CUDA_CALL( cudaHostAlloc((void**) &RMSE[deviceId][control], sizeof(float), cudaHostAllocMapped) );
CUDA_CALL( cudaHostGetDevicePointer(&RMSE_D[deviceId][control], RMSE[deviceId][control], 0) );
srand(time(NULL));
/*Estableciendo la semilla aleatoria para CURAND*/
CURAND_CALL(curandCreateGenerator(&randomGenerator[deviceId][control],CURAND_RNG_PSEUDO_DEFAULT));
CURAND_CALL(curandSetPseudoRandomGeneratorSeed(randomGenerator[deviceId][control], rand()));
/*Pidiendo memoria en device*/
/*Para resolver la ecuacion diferencial*/
//CUDA_CALL( cudaStreamCreate(&streamEval[deviceId][control]) );
//CUDA_CALL( cudaStreamCreateWithFlags(&streamCalc[deviceId][control],cudaStreamNonBlocking) );
}
/*Compara las aptitudes de la poblacion original (contenida en fitnessPoblacionOriginal) y la poblacion creada (contenida en fitnessPoblacionNueva)
Si el individuo en la poblacion original tiene valor de fitness mas bajo no se reemplaza, en caso contrario si*/
__global__ void comparaPoblacion(float *fitnessPoblacionOriginal,float *fitnessPoblacionNueva, int *mustChange){
int i = threadIdx.x + blockIdx.x * blockDim.x;
while( i < POPSIZE){
if(fitnessPoblacionOriginal[i] > fitnessPoblacionNueva[i])
mustChange[i] = 1;
else
mustChange[i] = 0;
i += blockDim.x * gridDim.x;
}
}
/*Cada uno de estos kernels reemplaza indSize elementos de original por nuevo si mustChange esta en true*/
__global__ void seleccionaPoblacion(float *original, float *nuevo, int *mustChange, int indSize){
int i = threadIdx.x + blockIdx.x * blockDim.x;
int j = threadIdx.y + blockIdx.y * blockDim.y;
int k;
while(i < POPSIZE){
while( j < indSize && mustChange[i] == 1){
k = i*indSize+j;
original[k] = nuevo[k];
j += blockDim.y * gridDim.y;
}
i += blockDim.x * gridDim.x;
}
}
/*Cada uno de estos kernels reemplaza indSize elementos de original por nuevo si mustChange esta en true*/
__global__ void seleccionaFitness(float *original, float *nuevo, int *mustChange, int indSize){
int i = threadIdx.x + blockIdx.x * blockDim.x;
int j = threadIdx.y + blockIdx.y * blockDim.y;
int k;
while(i < POPSIZE){
while( j < indSize && mustChange[i] == 1){
k = i*indSize+j;
original[k] = nuevo[k];
original[k + POPSIZE] = nuevo[k + POPSIZE];
original[k + (2*POPSIZE)] = nuevo[k + (2*POPSIZE)];
j += blockDim.y * gridDim.y;
}
i += blockDim.x * gridDim.x;
}
}
/*Introduce en el arreglo indices 3 elementos aleatorios diferentes del id del hilo*/
__global__ void calculaIndicesAleatorios(int *indices,int seed){
int i = threadIdx.x + blockIdx.x * blockDim.x;
while( i < POPSIZE){
curandState state;
curand_init(seed,i,0,&state);
indices[3*i] = curand( &state ) % POPSIZE;
indices[3*i+1] = curand( &state ) % POPSIZE;
indices[3*i+2] = curand( &state ) % POPSIZE;
while( (i == indices[3*i]) || (i == indices[3*i+1]) || (i == indices[3*i+2])
|| (indices[3*i] == indices[3*i+1]) || (indices[3*i] == indices[3*i+2])
|| (indices[3*i+1] == indices[3*i+2]) ){
indices[3*i] = curand( &state ) % POPSIZE;
indices[3*i+1] = curand( &state ) % POPSIZE;
indices[3*i+2] = curand( &state ) % POPSIZE;
}
i += blockDim.x * gridDim.x;
}
}
/*Crea la poblacion Siguiente, los randomValues dan una probablidad de mutacion en funcion de Cr. La mutacion esta en funcion de los indices aleatorios*/
__global__ void cruzaPoblacion(float *poblacion,float *poblacionSiguiente,int indSize,int solucionSize,float Cr,float *randomValues,int *randomIndices,int generaciones){
int i = threadIdx.x + blockIdx.x * blockDim.x;
int j = threadIdx.y + blockIdx.y * blockDim.y;
int k,r1,r2,r3;
while(i < POPSIZE){
while( j < indSize-solucionSize){
k = i*indSize+j;
if( randomValues[(i*(indSize-solucionSize)+j)+generaciones] < Cr){
/*Mutar*/
/*Obtenemos la posicion j de los individuos r1,r2,r3*/
r1 = randomIndices[3*i]*indSize+j;
r2 = randomIndices[3*i+1]*indSize+j;
r3 = randomIndices[3*i+2]*indSize+j;
/*TODO:Tomar en cuenta los limites*/
/*Differential Evolution, Noman2005*/
poblacionSiguiente[k] = poblacion[r1] + FPARAM*( poblacion[r2] - poblacion[r3] );
if (abs(poblacionSiguiente[k]) < UMBR) poblacionSiguiente[k] = 0;
}else{
/*Normal*/
poblacionSiguiente[k] = poblacion[k];
}
j += blockDim.y * gridDim.y;
}
i += blockDim.x * gridDim.x;
}
}
__global__ void PSOSearch(float *mejorIndividuo, int indSize, float fitness){
for (int i = 0; i < indSize; ++i) {
printf("%f, ", mejorIndividuo[i]);
}
printf("fitness %f\n\n", fitness);
printf("\n");
printf("\n");
}
void imprime(float *poblacion, int indSize, int salto, float *fitnesscopia, int *change){
for (int i = 0; i < POPSIZE; ++i)
{
for (int j = 0; j < salto; ++j)
{
printf("%f, ", poblacion[i*indSize+j]);
}
printf("fitness %f, change %d \n\n", fitnesscopia[i], change[i]);
}
printf("\n");
printf("\n************************************************");
}
void imprimeBest(float *mejorIndividuo, int indSize, float fitness, int index){
for (int i = 0; i < indSize; ++i) {
printf("%f, ", mejorIndividuo[i]);
}
printf("fitness %f, index %d\n\n", fitness, index);
printf("\n");
printf("\n");
}
/*
Se cambio la funcion con la sintaxis para poder utilizarla con la librería pthreads
recibe como parametro una estructura tipo ThreadParams que contiene los valores de las variables
que se utilizarán y el valor de la salida calculada.
Se agregó a cada funcion del device el parametro del stream en el que se ejecutará.
Se cambio la copia de memoria para que se haga de manera asincrona.
*/
void *evolucionDiferencial(void *arg){
int generaciones, best, nDiversidad = 0, randControl = 0;
float Cr = 0.8f, bestF, mse, rmse;
ThreadParams *args=(ThreadParams *)arg;
int serie = args -> serie;
int corrida = args -> corrida;
int device = args -> device;
int control = args -> control;
float timeC;
initDeviceControl(device, control);
cudaEventCreate(&start[corrida]);
cudaEventCreate(&stop[corrida]);
cudaEventRecord(start[corrida], 0);
/*Creo valores aleatorios entre 0 y 1*/
CURAND_CALL( curandGenerateUniform(randomGenerator[device][control], randomFloatValues_D[device][control], (individuoSize_H-solucionSize_H)*POPSIZE*MAXRAND) );