Figure 6. A gear shift schedule, sh

Figure 6. A gear shift schedule, showing throttle position and vehicle speed for each shift.
Instead of this brute force approach, we will use the pattern search optimization algorithm in Global Optimization Toolbox, reducing the number of simulations required—in this example, to 15,400.
An individual simulation of the FTP75 cycle takes only 250 seconds—about 5 times faster than real time. However, an optimization requiring 15,400 simulation runs on a single processor would take more than 44 days to get a result. This computationally intensive problem is a good candidate for parallel computing because the simulations can be run independently on separate processors.
We set up a computing cluster with 16 quad-core PCs, for a total of 64 workers. To further accelerate the search, we build a standalone executable target using Rapid Accelerator mode in Simulink to maintain complete simulation model parameter independence between runs.
We begin the optimization process (Figure 7) by setting up the optimization parameters. Next, the pattern search algorithm in Global Optimization Toolbox identifies the parameter variations to be simulated using the 2N optimization method of pattern search. In this example there are two shift schedules, each with 16 variable points (N=32). This means that pattern search will run 64 (2N) simulations at a time, perfectly matching the number of workers available. Each variation is simulated for the current axle ratio on a different processor in the cluster. If the search space resolution, or mesh size, does not fall below a predetermined threshold, then a new set of parameter variations is generated and the process repeats. When the search space mesh size falls below the threshold, the algorithm has located a global minimum in fuel consumption of 0–100 kph time, and the results are reported.
Distributing this process on a 64-worker cluster reduces the total computation time from more than 44 days to about 26 hours.

Kết quả (Việt) 1:

Hình 6. Một thiết bị thay đổi lịch trình, Hiển thị vị trí tăng tốc và tốc độ xe cho mỗi ca.Thay vì phương pháp bạo lực này, chúng tôi sẽ sử dụng thuật toán tối ưu hóa tìm kiếm mô hình toàn cầu hộp công cụ tối ưu hóa, làm giảm số lượng yêu cầu mô phỏng — trong ví dụ này, để 15.400 người.Một mô phỏng riêng của chu kỳ FTP75 chỉ mất 250 giây — khoảng 5 lần nhanh hơn so với thời gian thực. Tuy nhiên, một tối ưu hóa 15,400 mô phỏng chạy trên một bộ xử lý đơn yêu cầu sẽ có hơn 44 ngày để có được một kết quả. Vấn đề này computationally chuyên sâu là một ứng cử viên tốt cho tính toán song song, bởi vì các mô phỏng có thể chạy độc lập trên bộ xử lý riêng biệt.Chúng tôi thiết lập một cụm máy tính với 16 quad-core máy tính cá nhân, tổng cộng là 64 người lao động. Để tiếp tục tăng tốc độ tìm kiếm, chúng tôi xây dựng một mục tiêu thực thi độc lập sử dụng chế độ tăng tốc nhanh chóng trong Simulink để duy trì đầy đủ mô phỏng mô hình tham số độc lập giữa chạy.Chúng tôi bắt đầu quá trình tối ưu hóa (hình 7) bằng cách thiết lập các thông số tối ưu hóa. Tiếp theo, thuật toán tìm kiếm mô hình trong hộp công cụ tối ưu hóa toàn cầu xác định biến thể tham số được mô phỏng bằng phương pháp tối ưu hóa 2N của mô hình tìm kiếm. Trong ví dụ này có hai sự thay đổi lịch trình, mỗi với 16 điểm biến (N = 32). Điều này có nghĩa là tìm kiếm mô hình đó sẽ chạy 64 (2N) mô phỏng một thời gian, hoàn toàn phù hợp với số lượng người lao động có sẵn. Mỗi biến thể mô phỏng cho tỉ lệ trục hiện tại trên một bộ xử lý khác nhau trong cụm sao. Nếu tìm space giải quyết, hoặc kích cỡ lưới, không nằm dưới một ngưỡng xác định trước, sau đó một tập mới của tham số biến thể được tạo ra và lặp đi lặp lại quá trình. Khi không gian tìm kiếm lưới kích thước falls bên dưới ngưỡng, các thuật toán đã nằm một toàn cầu tối thiểu ở mức tiêu thụ nhiên liệu của 0-100 kph thời gian, và kết quả báo cáo.Phân phối quá trình này trên một cụm 64-công nhân làm giảm thời gian tính toán tổng số từ hơn 44 ngày khoảng 26 giờ.

Kết quả (Việt) 2:

Hình 6. Một lịch trình cần số, cho thấy vị trí bướm ga và tốc độ xe cho mỗi ca làm việc.
Thay vì cách tiếp cận sức mạnh vũ phu này, chúng tôi sẽ sử dụng các thuật toán tối ưu hóa tìm kiếm mẫu trong Tối ưu hóa toàn cầu Toolbox, giảm số lượng các mô phỏng cần thiết trong ví dụ này, để 15.400.
Một mô phỏng cá nhân của chu kỳ FTP75 chỉ mất 250 giây, khoảng 5 lần nhanh hơn so với thời gian thực. Tuy nhiên, việc tối ưu đòi hỏi 15.400 mô phỏng chạy trên một bộ xử lý đơn phải mất hơn 44 ngày để có được một kết quả. Vấn đề tính toán mạnh này là một ứng cử viên tốt cho tính toán song song bởi vì các mô phỏng có thể chạy độc lập trên bộ vi xử lý riêng biệt.
Chúng tôi thiết lập một cụm máy tính với 16 máy tính quad-core, với tổng số 64 công nhân. Để tiếp tục đẩy mạnh việc tìm kiếm, chúng tôi xây dựng một mục tiêu thực thi độc lập sử dụng chế độ nhanh Accelerator trong Simulink để duy trì mô hình mô phỏng hoàn chỉnh thông số độc lập giữa chạy.
Chúng ta bắt đầu quá trình tối ưu (hình 7) bằng cách thiết lập các thông số tối ưu hóa. Tiếp theo, các thuật toán tìm kiếm mẫu trong Tối ưu hóa toàn cầu Toolbox xác định các biến tham số được mô phỏng bằng cách sử dụng phương pháp tối ưu 2N tìm kiếm mô hình. Trong ví dụ này có hai lịch trình thay đổi, đều có 16 điểm biến (N = 32). Điều này có nghĩa là tìm kiếm mô hình sẽ chạy 64 (2N) mô phỏng tại một thời điểm, hoàn toàn phù hợp với số lượng công nhân có sẵn. Mỗi biến thể được mô phỏng cho tỷ lệ trục hiện trên một bộ xử lý khác nhau trong cluster. Nếu độ phân giải không gian tìm kiếm, hoặc kích thước mắt lưới, không giảm xuống dưới một ngưỡng xác định trước, sau đó một bộ mới của các biến số được tạo ra và quá trình này lặp đi lặp lại. Khi kích thước mắt lưới không gian tìm kiếm giảm xuống dưới ngưỡng này, các thuật toán đã nằm tối thiểu toàn cầu tiêu thụ nhiên liệu của 0-100 lần kph, và kết quả được báo cáo.
Phân phối quá trình này trên một cụm 64 công nhân làm giảm tổng thời gian tính toán từ nhiều hơn 44 ngày để khoảng 26 giờ.