Il s'agit de l'application Linux nommée Route Planning Simulated Annealing GPU dont la dernière version peut être téléchargée sous le nom SimulatedAnnealingForMultiUAVs.7z. Il peut être exécuté en ligne sur le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne cette application nommée GPU de recuit simulé de planification d'itinéraire avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN
Ad
GPU de recuit simulé de planification d'itinéraire
DESCRIPTION
Une planification d'itinéraire optimisée accélérée par GPU de systèmes multi-UAV à l'aide d'un article de recuit simulé CODE CUDA
L'utilisation de plusieurs véhicules aériens sans pilote (UAV) dans une certaine mission rend la planification des itinéraires de vol plus compliquée et plus lente. Afin d'obtenir de meilleures performances, dans la littérature, la plupart des chercheurs proposent d'utiliser des algorithmes évolutifs et des approches d'intelligence artificielle basées sur des heuristiques comme techniques d'optimisation. En plus de cela, les approches de programmation parallèle augmentent les performances de calcul. Par conséquent, cette étude se concentre sur la discussion et la résolution du problème de planification d'itinéraire pour les systèmes multi-UAV en utilisant des techniques d'optimisation basées sur un algorithme évolutif : le recuit simulé. Le coût de déplacement et le temps d'exécution sont réduits dans ce travail par une optimisation sur l'algorithme et le code. Nous avons mis en œuvre une solution parallèle basée sur le processeur pour comparer les résultats avec ceux accélérés par le GPU. L'efficience et l'efficacité de notre solution parallélisée et optimisée
Fonctionnalités:
- CUDA
- GPU
- Recuit simulé
- Programmation parallèle
Interface utilisateur
Console/Terminal
Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/route-planning-simulated-gpu/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
