Realizzazione di un algoritmo genetico distribuito per l’inversione di modelli di deformazione del suolo (rilevamenti GPS e immagini SAR) di un edificio vulcanico dovute alla presenza di una intrusione magmatica nel sottosuolo Tesi di Ingegneria Informatica di Stefano Scrivo Relatore Prof. G. Nunnari, Dipartimento di Ingegneria Elettrica, Elettronica e dei Sistemi, Università di Catania
Workflow
Analizzando il workflow abbiamo individuato nella funzione adibita al calcolo delle fitness l'unico elemento da distribuire su Grid La sovrastruttura di controllo e di loop evolutivo dell'algoritmo genetico resta in locale, non essendo particolarmente onerosa dal punto di vista computazionale Analisi Workflow
Nuovo Workflow Configurazione AG Suddivisione spazi di ricerca Loop Evolutivo Livello UI Livello Grid Calcolo Fitness per generazione Job fit 1Job fit nJob fit 1Job fit n Calcolo Fitness per generazione
Il calcolo delle fitness di ciascuna generazione diventa una collezione di job parametrici che vengono lanciati in parallelo sulla grid I dati misurati sui quali viene calcolata la fitness vengono collocati su uno storage element e scaricati direttamente dai job
Vantaggi L'algoritmo genetico che esegue in locale non vede la distribuzione del calcolo delle fitness sulla grid Questo permette di utilizzare un qualsiasi algoritmo genetico in locale, ad esempio lo stesso Toolbox di Matlab, dove la funzione di fitness implementa la sottomissione dei job su grid e torna al toolbox i valori delle fitness
Problematiche Per l'esecuzione dell'algoritmo genetico è necessario che tutte le fitness di una generazione siano calcolate correttamente È necessario quindi implementare uno script di controllo sull'esecuzione con successo di ciascun job, che preveda la risottomissione dei un job falliti