=Paper=
{{Paper
|id=Vol-1482/571
|storemode=property
|title=Междисциплинарный курс "Введение в параллельные эволюционные модели и алгоритмы" - опыт преподавания
(The interdisciplinary course "Introduction to parallel evolutionary models and algorithms" - teaching experience)
|pdfUrl=https://ceur-ws.org/Vol-1482/571.pdf
|volume=Vol-1482
}}
==Междисциплинарный курс "Введение в параллельные эволюционные модели и алгоритмы" - опыт преподавания
(The interdisciplinary course "Introduction to parallel evolutionary models and algorithms" - teaching experience)==
<pdf width="1500px">https://ceur-ws.org/Vol-1482/571.pdf</pdf>
<pre>
      Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015 // RussianSCDays.org



      Междисциплинарный курс «Введение в параллельные
    эволюционные модели и алгоритмы» – опыт преподавания*
                                     Н.М. Ершов, Н.Н. Попова
               Московский государственный университет им. М.В. Ломоносова

    Дисциплина «Введение в параллельные эволюционные модели и алгоритмы» читается на
протяжении последних пяти лет студентам старших курсов факультета ВМК МГУ им.
М.В. Ломоносова и кафедры ПМИ университета «Дубна». Тематика курса связана с такими
популярными моделями и алгоритмами, как клеточные автоматы [1], искусственные нейронные
сети, генетические алгоритмы [2], методы роевого интеллекта [3] и т.п.
    Возросший в последнее время интерес к эволюционным моделям не в последнюю очередь
связан с широким развитием параллельных вычислительных технологий, т.к. все эти модели
требуют для своей реализации выполнения больших объемов вычислений. Все модели, рас-
сматриваемые в данном курсе, на своем верхнем уровне организации устроены по одной и той
же схеме – каждая из них представляет собой некоторый набор (популяция, рой, колония) от-
носительно простых объектов, взаимодействующих друг с другом. Это определяет общую схе-
му крупноблочной параллельной реализации данных моделей, когда вся популяция делится на
части и распределяется по отдельным процессорным узлам вычислительной системы.
    Наиболее нетривиальной частью распараллеливания при этом оказывается параллельная
реализация взаимодействия отдельных субпопуляций, т.к. даже в рамках одной модели имеется
множество вариаций базовой модели, существенно отличающихся друг от друга именно спосо-
бом взаимодействия отдельных объектов. В теоретической (лекционной) части курса рассмат-
риваются сами модели (как базовая схема, так и ее наиболее классические вариации) и схема
распараллеливания именно базовой модели. На практических же занятиях студенты самостоя-
тельно разрабатывают способы распараллеливания уже вариаций данной модели на основе
технологии параллельного программирования MPI.
    Дополнительным фактором интереса студентов является междисциплинарность данного
курса – математическое описание каждой модели обязательно предваряется рассмотрением
природной (биологической, физической или химической) системы, послужившей прототипом
этой модели. Еще один аспект параллельных вычислений, рассматриваемый в курсе, связан с
анализом вычислительных возможностей той или иной модели (natural computing). Некоторые
из них (например, клеточные автоматы или сети Петри) обладают алгоритмической универ-
сальностью и могут служить в качестве параллельных алгоритмических моделей.

Литература
1. T. Toffoli, N. Margolus. Cellular automata machines: a new environment for modeling, MIT
   Press, 1987.
2. J. H. Holland, Adaptation in Natural and Artificial Systems, UM Press, Ann Arbor, MI, 1975.
3. J. Kennedy, R. C. Eberhart, Particle swarm optimization, Proceedings of IEEE International Con-
   ference on Neural Networks, Piscataway, NJ, pp. 1942–1948, 1995.




*
    Работа выполнена при финансовой поддержке РФФИ (грант №14-07-00628 А).


                                                  571
   Суперкомпьютерные дни в России 2015 // Russian Supercomputing Days 2015 // RussianSCDays.org



The interdisciplinary course "Introduction to parallel
evolutionary models and algorithms" - teaching experience
Nikolay Ershov and Nina Popova
Keywords: distributed models, evolutionary algorithms, natural computing, parallel
computations
This work is devoted to describing the five-year experience of teaching an introductory course
on parallel evolutionary computing at the Faculty of Computational Mathematics and
Cybernetics, Moscow State University and the University "Dubna". The course covers such
popular evolutionary models and algorithms as cellular automata, Lindenmayer systems, Petri
nets, artificial neural networks, molecular computation, genetic algorithms, swarm
optimization methods, etc. The presentation of theoretical material of the course is
accompanied by a consideration of the possible schemes for parallel computing, in the
practical part of the course the students supposed to perform a software implementation of
evolutionary models using MPI technology and conducting numerical experiments to
investigate the effectiveness of selected parallelizing schemes. This work was supported by
RFBR (grant №14-07-00628 A).

</pre>