|
|
Optimalizace algoritmů SIMD instrukcemi
Sedláček, Marek ; Rydlo, Štěpán (oponent) ; Orság, Filip (vedoucí práce)
Tato práce popisuje a porovnává techniky použitelné pro optimalizaci algoritmů převážně z hlediska zkrácení výpočetní doby. Pro demonstraci praktik byly vybrány algoritmy z rozdílných oblastí a to -- optimalizace hejnem částic, algoritmus pro vykreslování kružnic a algoritmus pro otočení obrázku (matice). Tyto algoritmy byly implementovány v jazyce Python 3, C a jazyce symbolických adres s využitím SIMD technologie. Při psaní kódu byl kladen důraz na co nejefektivnější implementaci algoritmu. V této práci jsou tyto praktiky popsáný a porovnány, stejně tak jako jejich účinek na optimalizaci algoritmů. Provedené testy potvrdily velký potenciál SIMD technologií pro optimalizace, ale také to, že tento přístup není možný využít na všechny algoritmy. V případě optimalizace algoritmu pro vykreslování kružnic dosahovala SIMD implementace více jak desetinásobné rychlosti než sériová implementace v jazyce C a více jak tisíckrát vyšší rychlost než implementace v jazyce Python 3. V případě algoritmu optimalizace hejnem částic byla však implementace v jazyce C rychlejší než SIMD implementace algoritmu.
|
|
|
Možnosti zrychlení odhadu hodnoty závazků ze životního pojištění
Drahokoupil, Matěj ; Pešta, Michal (vedoucí práce) ; Branda, Martin (oponent)
Cílem této diplomové práce je seznámit čtenáře se základní metodou projekce závazků životního pojištění, který je běžné vzužíván v praxi. Základní přístup k modelování závazků ze životního pojištění může být v praxi velice časově náročný, a proto jsou v práci představeny dvě metody používané pro redukci rozptylu a jejich kombinace, které mohou být využity pro zrychlení výpočtu a nebo získání větší přesnosti simulace. Tyto metody jsou Antithetic variate metoda a Control-variate metoda. Jejich kombinace je dále v práci nazývána jako Integrovaná control-variate metoda. Výstupem z této práce je simulační experiment, který jednotlivé metody pro zrychlení výpočtu porovnává mezi se- bou a také se základním přístupem. Simulace je provedena na skupině fiktivních pojistek. 1
|
|
|
Možnosti zrychlení odhadu hodnoty závazků ze životního pojištění
Drahokoupil, Matěj ; Pešta, Michal (vedoucí práce) ; Branda, Martin (oponent)
Cílem této diplomové práce je seznámit čtenáře se základní metodou projekce závazků životního pojištění, který je běžné vzužíván v praxi. Základní přístup k modelování závazků ze životního pojištění může být v praxi velice časově náročný, a proto jsou v práci představeny dvě metody používané pro redukci rozptylu a jejich kombinace, které mohou být využity pro zrychlení výpočtu a nebo získání větší přesnosti simulace. Tyto metody jsou Antithetic variate metoda a Control-variate metoda. Jejich kombinace je dále v práci nazývána jako Integrovaná control-variate metoda. Výstupem z této práce je simulační experiment, který jednotlivé metody pro zrychlení výpočtu porovnává mezi se- bou a také se základním přístupem. Simulace je provedena na skupině fiktivních pojistek. 1
|
|
|
Optimalizace algoritmů SIMD instrukcemi
Sedláček, Marek ; Rydlo, Štěpán (oponent) ; Orság, Filip (vedoucí práce)
Tato práce popisuje a porovnává techniky použitelné pro optimalizaci algoritmů převážně z hlediska zkrácení výpočetní doby. Pro demonstraci praktik byly vybrány algoritmy z rozdílných oblastí a to -- optimalizace hejnem částic, algoritmus pro vykreslování kružnic a algoritmus pro otočení obrázku (matice). Tyto algoritmy byly implementovány v jazyce Python 3, C a jazyce symbolických adres s využitím SIMD technologie. Při psaní kódu byl kladen důraz na co nejefektivnější implementaci algoritmu. V této práci jsou tyto praktiky popsáný a porovnány, stejně tak jako jejich účinek na optimalizaci algoritmů. Provedené testy potvrdily velký potenciál SIMD technologií pro optimalizace, ale také to, že tento přístup není možný využít na všechny algoritmy. V případě optimalizace algoritmu pro vykreslování kružnic dosahovala SIMD implementace více jak desetinásobné rychlosti než sériová implementace v jazyce C a více jak tisíckrát vyšší rychlost než implementace v jazyce Python 3. V případě algoritmu optimalizace hejnem částic byla však implementace v jazyce C rychlejší než SIMD implementace algoritmu.
|
host ::
RSS.