Implementación paralela de algoritmos de control y optimización en CUDA

Abstract

Tradicionalmente, el desarrollo de algoritmos siempre ha estado sujeto a la recepción secuencial de instrucciones de los ordenadores. Aunque en ciertas máquinas ha sido posible elaborar programas con cierto nivel de concurrencia, nunca se han alejado demasiado de lo conocido hasta entonces. De la mano de NVIDIA, aparece en el año 2007 CUDA, una nueva plataforma de computación en paralelo. Introducía un nuevo género en la informática, GPGPU, del inglés General Purpose Graphics Processing Units. Tal y como su nombre indica, trataba de acercar al público las cualidades de cómputo de una GPU, para tareas comunes más allá del procesamiento gráfico. En primer lugar, en este trabajo se trata de reunir las características principales de la plataforma. Se intenta hacer una descripción de su modelo de programación y de su arquitectura. A su vez, se hace un seguimiento para establecer una configuración básica de CUDA en un sistema operativo Microsoft Windows. A continuación, se propone la paralelización de un algoritmo de factorización de Cholesky, enfocado a la resolución de sistemas de ecuaciones. Aquí se abordan dos métodos diferentes, el uso de lenguaje C estándar en la CPU y de CUDA en la GPU. Se profundiza en el comportamiento del programa cuando se ejecuta en la unidad de procesamiento gráfico, así como se realiza una comparación entre ambos métodos. Por último, se desarrolla otro algoritmo para el ajuste de una recta por mínimos cuadrados, usando el bagging como técnica estadística, el cual introduce cierto nivel de paralelismo. También se verán las posibles ventajas e inconvenientes del uso de este método en este contexto.