دانلود مقاله ISI انگلیسی شماره 20298
عنوان فارسی مقاله

انباشتن تقسیم: روشی برای بهره برداری کارآمد موازی سازی جستجو بر روی سیستم عامل به اشتراک گذاری

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
20298 2006 27 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Stack splitting: A technique for efficient exploitation of search parallelism on share-nothing platforms
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Parallel and Distributed Computing, Volume 66, Issue 10, October 2006, Pages 1267–1293

کلمات کلیدی
برنامه نویسی منطقی - هوش مصنوعی - موازی
پیش نمایش مقاله
پیش نمایش مقاله انباشتن تقسیم: روشی برای بهره برداری کارآمد موازی سازی جستجو بر روی سیستم عامل به اشتراک گذاری

چکیده انگلیسی

We study the problem of exploiting parallelism from search-based AI systems on share-nothing platforms, i.e., platforms where different machines do not have access to any form of shared memory. We propose a novel environment representation technique, called stack-splitting, which is a modification of the well-known stack-copying technique, that enables the efficient exploitation of or-parallelism from AI systems on distributed-memory machines. Stack-splitting, coupled with appropriate scheduling strategies, leads to reduced communication during distributed execution and effective distribution of larger grain-sized work to processors. The novel technique can also be implemented on shared-memory machines and it is quite competitive. In this paper we present a distributed implementation of or-parallelism based on stack-splitting including results. Our results suggest that stack-splitting is an effective technique for obtaining high performance parallel AI systems on shared-memory as well as distributed-memory multiprocessors.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.