一种基于遗传算法的BLAS库优化方法

计算机工程与科学

一种基于遗传算法的BLAS库优化方法

孙成国1，兰静2，姜浩1

（1.国防科技大学计算机学院，湖南长沙 410073;2.重庆工商大学融智学院，重庆 404100）

收稿日期:2017-11-23 修回日期:2018-02-23 出版日期:2018-05-25 发布日期:2018-05-25
基金资助:
国家863项目(2012AA01A301);国家自然科学基金(61402495,61303189,61602166,61170049,61402496);重庆市教育科学规划课题重点项目(2015-GX-036)

A BLAS library optimization method

based on genetic algorithm

SUN Cheng-guo1,LAN Jing2,JIANG Hao1

(1.College of Computer,National University of Defense Technology,Changsha 410073;

2.Rongzhi College,Chongqing Technology and Business University,Chongqing 404100,China)

Received:2017-11-23 Revised:2018-02-23 Online:2018-05-25 Published:2018-05-25

摘要/Abstract

摘要：

基于OpenBLAS和BLIS开源线性代数基础算法库，对稠密矩阵乘法GEMM运算的性能优化展开研究。针对如何选取稠密矩阵分块并行算法的关键分块参数这一问题，建立性能优化模型。采用改进的遗传算法求解上述优化模型，将某一分块参数组合(种群个体)所对应的稠密矩阵乘法的性能值作为该个体的适应度，通过不断迭代地进行选择、交叉、变异操作，找到最优的分块参数组合，使得稠密矩阵运算的性能值最优。数值实验表明，基于遗传算法求解得出最优分块参数下的GEMM性能值优于默认分块参数下的性能值，达到了优化的目的。

关键词: BLAS, GEMM, 遗传算法, 自动调优

Abstract:

Based on OpenBLAS and BLIS, the two open source linear algebra libraries, the performance optimization of dense matrix multiplication (GEMM) operation is studied. Aiming at how to select the key block parameters of GEMM, a performance optimization model is established. An improved genetic algorithm is used to solve the above performance optimization model. The performance value of the GEMM corresponding to a certain parameter combination (individual) is taken as the fitness of the individual. The optimal combination of block parameters is found through continuous iterative selection, crossover and mutation operations in order to make the performance of GEMM optimal. Numerical experiments show that the performance of GEMM based on genetic algorithm is better than the performance under the initial block parameters, and hence the optimization is achieved.

Key words: BLAS, GEMM, genetic algorithm, autotuning

孙成国1，兰静2，姜浩1. 一种基于遗传算法的BLAS库优化方法[J]. 计算机工程与科学.

SUN Cheng-guo1,LAN Jing2,JIANG Hao1.

A BLAS library optimization method

based on genetic algorithm

[J]. Computer Engineering & Science.

[1]	彭频, 王欣悦. 基于匮乏理论的应急物资调度模型构建及算法研究[J]. 计算机工程与科学, 2024, 46(11): 2063-2070.
[2]	安园园, 马晓宁. 改进遗传算法与多目标优化模型的航班路径规划[J]. 计算机工程与科学, 2024, 46(09): 1660-1666.
[3]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[4]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[5]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[6]	彭畅, 刘青枝, 陈长波, . 多面体模型下的循环置换与自动调优[J]. 计算机工程与科学, 2023, 45(12): 2121-2134.
[7]	郭艺, 何廷年, 李爱斌, 毛君宇. 融合GA-CART和Deep-IRT的知识追踪模型[J]. 计算机工程与科学, 2023, 45(09): 1691-1700.
[8]	毛媛媛, 石恩雅, 蒋从锋, 仇烨亮, 贾刚勇, 万健, 闫龙川. 基于遗传算法的数据中心能效仿真[J]. 计算机工程与科学, 2021, 43(08): 1341-1352.
[9]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[10]	李静, 莫思敏 . 基于改进遗传算法的深度神经网络优化研究[J]. 计算机工程与科学, 2021, 43(08): 1503-1511.
[11]	李晶晶, 许少华. 基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用[J]. 计算机工程与科学, 2021, 43(04): 746-752.
[12]	季子豪, 江凌云. 一种基于遗传算法的多站点协同计算卸载算法[J]. 计算机工程与科学, 2021, 43(03): 426-434.
[13]	贾俊杰, 秦海涛. 基于遗传算法的动态轨迹匿名算法[J]. 计算机工程与科学, 2021, 43(01): 142-150.
[14]	贾迅, 钱磊, 原昊, 张昆, 吴东. 矩阵乘协处理器上BLAS level-3运算的设计[J]. 计算机工程与科学, 2020, 42(11): 1913-1921.
[15]	李丹莲, 曹倩, 徐菲. 基于改进遗传算法的连锁便利店配送路径优化[J]. 计算机工程与科学, 2020, 42(11): 2096-2102.