| dc.description.abstract | Effektiv parallell beregning er fortsatt vanskelig å oppnå, til tross for at forskningsfeltet
er mer enn 50 år gammelt. Det siste tiåret, derimot, har feltet blitt mer relevant igjen på
grunn av en redusert evne til å fortsette forbedringer i kompliserte, von Neuman-baserte
enkjærners prosessorer. Ved å la mange prosessorkjærner samarbeide på en og samme
oppgave, er det sannsynlig at vi kan ke både energieffektivitet og beregningshastiget.
Men å programmere slike parallelle systemer er en utfordring.
Hovedutfordringen i å kunne effektivt utnytte evnen til en parallell prosessor er å overkomme
kompleksiteten i programmene for slike parallelle maskiner. Det har vært foreslått at men-
nesker kanskje ikke evner å løse denne utfordringen manuelt, og at programmeringen må
automatiseres. En mulighet er å benytte metoder inspirert av forskning innen kunstig liv.
Ved hjelp av selv-organisering og evolusjonære metoder, så kan program som evner å ut-
nytte parallellitet på en effektiv måte oppstå. En forutsetning for en slik prosess er et godt
rammeverk som legger til rette for evolusjonære prosesser.
Evolusjonære prosesser har tidligere vært brukt sammen med cellulære automater til å
få mange enkle enheter til å samarbeide for å løse problemer. I dette prosjektet bruker
vi prinsipper lært fra forskning på cellulære automater til å programmere lokalt koblede
mangekjærners prosessorer. Vi presenterer et rammeverk inspirert av cellulær programm-
mering og genetisk programmeringsmetoder. Dette rammeverket bruker en evolusjonær
metode for å automatisk generere struktur i programvare for mangekjærners prosessorer.
Gjennom tre forskjellige problemer demonstrerer vi rammeverkets evne til å utvikle og
spre nyttig oppførsel mellom prosessorkjærnene over mange generasjoner.
Den evolusjonære metoden evaluerer om oppførsel er riktig kun basert på lokal infor-
masjon. Det er hovedutfordringen med dette rammeverket. Problemet ligger i å utvikle
lokale evalueringsmetoder som forårsaker ønsket oppførsel på et globalt nivå. Det kreves
videre forskningsarbeid for å nærme seg en løsning på denne utfordringen. Selv om ram-
meverket viser ønsket oppførsel ved bruk av evolusjonære metoder, så er det vanskelig å
konkludere i hvilken grad rammeverket er godt før forskningen har gjort fremskritt innen
lokale evalueringsmetoder og representasjon av problemfunkjsoner. | |
