http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
다목적 화학공정 동적모사기 개발 : 1 . 시스템의 일반적 개요 및 모사전략 1. General Overview of the System and Simulation Strategy
윤인섭,이강주 한국화학공학회 1991 Korean Chemical Engineering Research(HWAHAK KONGHA Vol.29 No.2
범용 화학공정 동적모사기에 적합한 모사기의 구조, 적분전략, 입력언어, 계산효율 향상을 위한 방법들을 제시하였고, SCI(Sequential Clustered Integration)를 기본으로 하는 원형(prototype) 모사기를 개발하였다. SCI방식은 SMI(Sequential Modular Integration)의 일반적인 형태인데, SEI(Simultaneous Equation Integration)의 장점을 수용하였기 때문에 SMI나 SEI에 비하여 계산의 효율성과 응용의 유연성 면에서 유리하다. SCI는 단일 모사기 구조 안에서 SMI로부터 SEI에 이르기가지의 다양한 수준의 커플링이 가능하다. 예제를 통하여 SCI의 성능에 많은 영향을 미치는 clustering의 기준에 대하여 연구하였고, 모사기의 성능을 평가하였다. A simulator structure, integration strategy, input language and simulation technique are presented in order to develop a general purpose chemical process dynamic simulator, and a SCI(Sequential Clustered Integration)-based prototype simulator is implemented. The SCI is a general form of SMI(Sequential Modular Integration) but has better performance than SMI and SEI(Simultaneous Equation Integration) with respect to computational efficiency and flexibility of applications. The SCI approach is capable of introducing various mode of coupling of the process units, actually, from SMI to SEI within a single simulator structure. Examples are presented to study the clustering criteria which have significant influence on the performance of SCI and to illustrate the system performance.
윤인섭,안형찬 한국정보과학회 2022 정보과학회 컴퓨팅의 실제 논문지 Vol.28 No.12
In this paper, we propose a new heuristic that optimizes implementations of graph coloring algorithms on GPGPUs by selecting efficient graph representations depending on the input graphs. Previously, Alabandi et al. gave a graph coloring algorithm suitable for GPGPU implementation; however, limitations due to its monolithic use of a single data structure restricted using the full power of GPGPUs. We adopted multiple graph representations that work better with GPGPUs and experimentally measured the resulting performance improvements. These experiments were conducted on RTX 2060 and GTX 1050Ti using graphs from public repositories as the benchmark set. Based on the results, we devised a heuristic that considers the input graph's properties, such as its degree, to automatically select the most suitable graph representation. This led to an average improvement of 8.01% (RTX 2060) - 10.43% (GTX 1050Ti) in running time compared to the previous algorithm. Lastly, we investigated individual cases for which the heuristic showed little improvement. 본 논문에서는 그래프 채색 알고리즘의 GPGPU상 구현을 최적화하는 새로운 기법으로서, 입력에 따라 최적의 그래프 표현방식을 선택하는 휴리스틱을 제시한다. 기존에 Alabandi et al.이 GPGPU에 적합한 그래프 채색 알고리즘을 제시한 바 있으나, 단일한 자료 구조만을 사용한다는 제한으로 인해 GPGPU의 최대 성능을 이끌어 내는 것에는 한계가 있었다. 본 논문에서는 GPGPU에 알맞은 복수의 자료 구조를 채택하고, 이로써 개선된 성능을 실험적으로 측정하였다. 실험은 공개 리파지터리들의 그래프를 벤치마크로 사용해 RTX 2060과 GTX 1050Ti에서 수행하였다. 이 결과를 바탕으로, 입력 그래프의 차수 등을 토대로 적합한 그래프 표현방식을 자동으로 선택해주는 휴리스틱을 개발하였고, 이는 기존 대비 평균 8.01%(RTX 2060)~10.43%(GTX 1050Ti)의 수행 속도 개선 효과를 나타내었다. 끝으로, 휴리스틱의 효과가 저조한 경우에 대한 개별 분석을 수행하였다.