INTRODUCTION SORTING PRIMITIVES GENE SORT EVALUATION - PowerPoint PPT Presentation

AUTHORS ¡ Xiaoming ¡Li, ¡María ¡Jesús ¡Garzarán, ¡and ¡David ¡Padua ¡ University ¡of ¡Illinois ¡ hGp://polaris.cc.uiuc.edu ¡ ¡

• INTRODUCTION ¡ • SORTING ¡PRIMITIVES ¡ • GENE ¡SORT ¡ • EVALUATION ¡OF ¡GENE ¡SORT ¡ • CLASSIFIER ¡SORTING ¡ • CONCLUSION ¡

• INTRODUCTION ¡ • SORTING ¡PRIMITIVES ¡ • GENE ¡SORT ¡ • EVALUATION ¡OF ¡GENE ¡SORT ¡ • CLASSIFIER ¡SORTING ¡ • CONCLUSION ¡

Input ¡ data ¡ Quicksort? ¡

Input ¡ data ¡ Mergesort? ¡ Quicksort? ¡

Input ¡ data ¡ Mergesort? ¡ Radix? ¡ Quicksort? ¡

Input ¡ data ¡ Mergesort? ¡ Radix? ¡ Quicksort? ¡ Data ¡DistribuWon ¡

• INTRODUCTION ¡ • SORTING ¡PRIMITIVES ¡ • GENE ¡SORT ¡ • EVALUATION ¡OF ¡GENE ¡SORT ¡ • CLASSIFIER ¡SORTING ¡ • CONCLUSION ¡

• INTRODUCTION ¡ • SORTING ¡PRIMITIVES ¡ • GENE ¡SORT ¡ • EVALUATION ¡OF ¡GENE ¡SORT ¡ • CLASSIFIER ¡SORTING ¡ • CONCLUSION ¡

BE ¡ DV ¡ LDR ¡ LDV ¡

BE ¡ BE ¡ DV ¡ LDR ¡ DR ¡ LDR ¡ LDV ¡

BE ¡ BE ¡ DV ¡ LDR ¡ DR ¡ LDR ¡ LDV ¡

BE ¡ BE ¡ DV ¡ LDR ¡ DR ¡ LDR ¡ LDV ¡

BE ¡ BE ¡ DV ¡ DR ¡ LDR ¡ LDR ¡ LDV ¡

Change ¡values ¡of ¡ Exchange ¡two ¡ parameters ¡ subtrees ¡ (randomly) ¡ Add ¡a ¡new ¡ Remove ¡a ¡ ¡ subtree ¡ subtree ¡

Change ¡values ¡of ¡ BE ¡ parameters ¡ (randomly) ¡ LDR ¡ DR ¡ Radix=8 ¡ Radix=5 ¡ Threshold=20 ¡

Change ¡values ¡of ¡ BE ¡ parameters ¡ (randomly) ¡ LDR ¡ DR ¡ Radix=9 ¡ Radix=7 ¡ Threshold=20 ¡

BE ¡ Exchange ¡two ¡ subtrees ¡ LDR ¡ DR ¡ Radix=9 ¡ Radix=7 ¡ Threshold=20 ¡

BE ¡ Exchange ¡two ¡ subtrees ¡ LDR ¡ DR ¡ Radix=9 ¡ Radix=7 ¡ Threshold=20 ¡

BE ¡ LDR ¡ DR ¡ Radix=9 ¡ Radix=7 ¡ Threshold=20 ¡ Add ¡a ¡new ¡ subtree ¡

BE ¡ LDR ¡ DR ¡ Radix=9 ¡ Radix=7 ¡ Threshold=20 ¡ Add ¡a ¡new ¡ subtree ¡ LDV ¡ np=2 ¡

BE ¡ LDR ¡ DR ¡ Radix=9 ¡ Radix=7 ¡ Threshold=20 ¡ Remove ¡a ¡ ¡ subtree ¡ LDV ¡ np=2 ¡

BE ¡ DR ¡ Radix=7 ¡ Remove ¡a ¡ ¡ subtree ¡ LDV ¡ np=2 ¡

BE ¡ BE ¡ BE ¡ LDR ¡ LDR ¡ DR ¡ DR ¡ Radix=9 ¡ Radix=9 ¡ DR ¡ Radix=7 ¡ Radix=7 ¡ Threshold= Radix=7 ¡ Threshold=2 20 ¡ 0 ¡ LDV ¡ LDV ¡ np=2 ¡ np=2 ¡

BE ¡ BE ¡ BE ¡ LDR ¡ LDR ¡ DR ¡ DR ¡ Radix=9 ¡ Radix=9 ¡ DR ¡ Radix=7 ¡ Radix=7 ¡ Threshold= Radix=7 ¡ Threshold=2 20 ¡ 0 ¡ LDV ¡ LDV ¡ np=2 ¡ np=2 ¡

Performance ¡as ¡Fitness ¡FuncWon ¡

Gene=c ¡Algorithm ¡{ ¡ ¡ P ¡= ¡IniWal ¡PopulaWon ¡ ¡ While ¡(stopping ¡criteria ¡is ¡false) ¡do ¡{ ¡ ¡Apply ¡mutaWon ¡and ¡crossover ¡and ¡generate ¡set ¡M ¡of ¡k ¡individuals ¡ ¡P ¡= ¡P ¡ ∪ ¡M ¡ ¡S ¡= ¡Input ¡sets ¡with ¡different ¡sizes ¡and ¡different ¡standard ¡deviaWons ¡ ¡Use ¡each ¡genome ¡of ¡P ¡to ¡sort ¡each ¡element ¡of ¡S ¡ ¡Apply ¡fitness ¡funcWon ¡to ¡remove ¡the ¡k ¡least ¡fit ¡individuals ¡from ¡P. ¡ ¡ }} ¡

• INTRODUCTION ¡ • SORTING ¡PRIMITIVES ¡ • GENE ¡SORT ¡ • EVALUATION ¡OF ¡GENE ¡SORT ¡ • CLASSIFIER ¡SORTING ¡ • CONCLUSION ¡

Tested ¡on ¡seven ¡different ¡plaaorms ¡ • ¡ ¡ SeEngs ¡ PopulaWon ¡Size ¡ 50 ¡ # ¡GeneraWons ¡ 100 ¡ # ¡Generated ¡offsprings ¡ 30 ¡ MutaWon ¡Rate ¡Possibilty ¡ 6% ¡ # ¡Training ¡input ¡sets ¡ 12 ¡

¡ ¡ 9h ¡on ¡the ¡Intel ¡Xeon ¡ 80h ¡on ¡the ¡SGI ¡R12000 ¡ (3.0 ¡GHz) ¡ (300 ¡MHz) ¡

¡ ¡ Gene ¡Sort ¡: ¡7% ¡worse ¡than ¡other ¡algorithm ¡ONLY ¡in ¡three ¡plaaorms. ¡ • AMD ¡Athlon ¡(having ¡low ¡values ¡of ¡std. ¡DeviaWon) ¡ • SGI ¡R12000 ¡and ¡Intel ¡Itanium ¡(having ¡high ¡values ¡of ¡std. ¡Deviaton) ¡

• INTRODUCTION ¡ • SORTING ¡PRIMITIVES ¡ • GENE ¡SORT ¡ • EVALUATION ¡OF ¡GENE ¡SORT ¡ • CLASSIFIER ¡SORTING ¡ • CONCLUSION ¡

¡ PopulaWon ¡ ¡ (Different ¡Gene ¡Sort ¡algorithms) ¡ Machine ¡Learning ¡ PopulaWon ¡ (The ¡best ¡Gene ¡Sort ¡Algorithms ¡for ¡use ¡on ¡the ¡ target ¡machine) ¡

• INTRODUCTION ¡ • SORTING ¡PRIMITIVES ¡ • GENE ¡SORT ¡ • EVALUATION ¡OF ¡GENE ¡SORT ¡ • CLASSIFIER ¡SORTING ¡ • CONCLUSION ¡

• Best ¡sorWng ¡rouWnes ¡using ¡GeneWc ¡Algorithms ¡to ¡generate ¡Classifier ¡SorWng ¡ (Xsort). ¡ • 36% ¡Faster ¡than ¡“Pure” ¡sorWng ¡algorithms ¡ ¡ • Faster ¡than ¡comercial ¡libreries ¡like ¡IBM ¡ESSL, ¡INTEL ¡MKL, ¡STL ¡(C++),etc. ¡

¡ ¡