আমি সাম্প্রতিক কোনও ওভারভিউ নিবন্ধ সম্পর্কে সচেতন নই, তবে আমি পিএফএএসএসটি অ্যালগরিদমের বিকাশে সক্রিয়ভাবে জড়িত তাই কিছু চিন্তাভাবনা ভাগ করে নিতে পারি।
সময়-সমান্তরাল কৌশলগুলির তিনটি বিস্তৃত শ্রেণি রয়েছে যা সম্পর্কে আমি সচেতন:
- পদ্ধতি জুড়ে - আরকে বা এক্সট্রা পোলেশন ইন্টিগ্রেটারের স্বতন্ত্র পর্যায়ে সমান্তরালে মূল্যায়ন করা যেতে পারে; আরআইডিসিও দেখুন (সংশোধনবাদী ইন্টিগ্রাল ডিফার্ড কারেকশন অ্যালগরিদম)
- সমস্যা জুড়ে - তরঙ্গরূপ শিথিলকরণ
- সময়-ডোমেন জুড়ে - প্যারালিয়াল; পিআইটিএ (সময়ের অ্যালগরিদমের সমান্তরাল); এবং পিএফএএসএসটি (স্থান এবং সময় সমান্তরাল সম্পূর্ণ আনুমানিক স্কিম)।
পদ্ধতিটি জুড়ে সমান্তরাল পদ্ধতিগুলি সাধারণত অনুমানের খুব কাছাকাছি সঞ্চালন করে তবে হাতে গোনা কিছু (সময়) প্রসেসরের বাইরে যায় না। সাধারণত তারা অন্যান্য পদ্ধতির তুলনায় প্রয়োগ করা তুলনামূলকভাবে সহজ এবং যদি আপনার কাছে কয়েকটি অতিরিক্ত কোর পড়ে থাকে এবং ভবিষ্যদ্বাণীযোগ্য এবং বিনয়ী গতির জন্য সন্ধান করেন তবে তা ভাল।
সময়ের ডোমেন জুড়ে সমান্তরাল পদ্ধতিগুলির মধ্যে রয়েছে প্যারিয়াল, পিআইটিএ, পিএফএএসএসটি। এই পদ্ধতিগুলি সমস্ত পুনরাবৃত্তিযোগ্য এবং সস্তা (তবে সঠিক নয়) "মোটা" প্রচারক এবং ব্যয়বহুল (তবে সঠিক) "সূক্ষ্ম" প্রচারকারীদের সমন্বয়ে গঠিত। তারা মোটা প্রচারক ব্যবহার করে প্রাপ্ত একটি সিরিয়াল সমাধান উন্নত করতে সমান্তরালভাবে সূক্ষ্ম প্রচারকারীকে পুনরায় পর্যালোচনা করে সমান্তরাল দক্ষতা অর্জন করে।
প্যারালিয়াল এবং পিআইটিএ অ্যালগরিদমগুলি তাদের সমান্তরাল দক্ষতার উপর ভিত্তি করে দুর্ভাগ্যজনক উপরের আবদ্ধতায় ভুগছে : যেখানে পুরো ডোমেন জুড়ে রূপান্তর পেতে প্রয়োজনীয় পুনরাবৃত্তিগুলির সংখ্যা। উদাহরণস্বরূপ, যদি আপনার প্যারিয়াল বাস্তবায়নের জন্য রূপান্তর করতে 10 টি পুনরাবৃত্তি প্রয়োজন হয় এবং আপনি 100 (সময়) প্রসেসর ব্যবহার করেন তবে আপনার পক্ষে সবচেয়ে বড় স্পিডআপ 10x হবে বলে আশা করা যায়। পিএফএএসএসটি অ্যালগরিদম স্পেকট্রাল ডিফার্ড সংশোধন সময়-পদক্ষেপের পদ্ধতির পুনরাবৃত্তির সাথে সময় সমান্তরাল পুনরাবৃত্তিকে সংকরকরণ করে এবং স্থান / সময়ের বিবেচনার একটি শ্রেণিবিন্যাসে সম্পূর্ণ আনুমানিক স্কিম সংশোধনকে সংযুক্ত করে এই উপরের সীমাটি শিথিল করে।EE<1/KK
এগুলি ব্যবহারের চেষ্টা ও গতি বাড়ানোর জন্য এই সমস্ত পদ্ধতির সাথে প্রচুর গেমস খেলানো যেতে পারে এবং মনে হয় যে এই ডোমেইন কৌশলগুলির পারফরম্যান্স নির্ভর করে আপনি কোন সমস্যাটি সমাধান করছেন এবং মোটা গতি বাড়ানোর জন্য কোন কৌশলগুলি উপলব্ধ available প্রচারক (মোটা গ্রিড, মোটা অপারেটর, মোটা পদার্থবিজ্ঞান ইত্যাদি)
কিছু তথ্যসূত্র (কাগজগুলিতে তালিকাভুক্ত রেফারেন্সও দেখুন):
: আমি যে 'নেট পাওয়া যায় PFASST দুই বাস্তবায়নের লিখেছি PyPFASST এবং libpfasst ।