在 C++ 中使用 OpenMP 并行化算法

Posted 2023-02-21

【中文标题】在 C++ 中使用 OpenMP 并行化算法

【英文标题】：Parallelize Algorithm with OpenMP in C++

【发布时间】：2018-10-27 16:10:56

【问题描述】：

我的问题是这样的：

我想用 C++ 中的蚁群优化算法解决 TSP。 现在我已经实现了一个迭代解决这个问题的算法。

例如：我生成了 500 只蚂蚁——它们一个接一个地找到自己的路线。 每只蚂蚁直到前一只蚂蚁完成后才开始。

现在我想并行化整个事情 - 我考虑过使用 OpenMP。

所以我的第一个问题是：我可以生成大量工作的线程吗 同时（蚂蚁数量> 500）？

我已经尝试了一些东西。这是我的 main.cpp 中的代码：

 #pragma omp parallel for       
    for (auto ant = antarmy.begin(); ant != antarmy.end(); ++ant) 
        #pragma omp ordered
        if (ant->getIterations() < ITERATIONSMAX) 
            ant->setNumber(currentAntNumber);
            currentAntNumber++;
            ant->antRoute();
        

    

这是我的 Ant 类中“关键”的代码，因为每个 Ant 读取和写入同一个矩阵（信息素矩阵）：

 void Ant::antRoute()
 
     this->route.setCity(0, this->getStartIndex());
     int nextCity = this->getNextCity(this->getStartIndex());
     this->routedistance += this->data->distanceMatrix[this->getStartIndex()][nextCity];
     int tempCity;
     int i = 2;
     this->setProbability(nextCity);
     this->setVisited(nextCity);
     this->route.setCity(1, nextCity);
     updatePheromone(this->getStartIndex(), nextCity, routedistance, 0);

     while (this->getVisitedCount() < datacitycount) 
         tempCity = nextCity;
         nextCity = this->getNextCity(nextCity);
         this->setProbability(nextCity);
         this->setVisited(nextCity);
         this->route.setCity(i, nextCity);
         this->routedistance += this->data->distanceMatrix[tempCity][nextCity];
         updatePheromone(tempCity, nextCity, routedistance, 0);
         i++;
     

     this->routedistance += this->data->distanceMatrix[nextCity][this->getStartIndex()];
     // updatePheromone(-1, -1, -1, 1);
     ShortestDistance(this->routedistance);
     this->iterationsshortestpath++;


void Ant::updatePheromone(int i, int j, double distance, bool reduce)


     #pragma omp critical(pheromone) 

     if (reduce == 1) 
        for (int x = 0; x < datacitycount; x++) 
             for (int y = 0; y < datacitycount; y++) 
                 if (REDUCE * this->data->pheromoneMatrix[x][y] < 0)
                     this->data->pheromoneMatrix[x][y] = 0.0;
                 else
                    this->data->pheromoneMatrix[x][y] -= REDUCE * this->data->pheromoneMatrix[x][y];
             
         
     
     else 

         double currentpheromone = this->data->pheromoneMatrix[i][j];
         double updatedpheromone = (1 - PHEROMONEREDUCTION)*currentpheromone + (PHEROMONEDEPOSIT / distance);

         if (updatedpheromone < 0.0) 
            this->data->pheromoneMatrix[i][j] = 0;
            this->data->pheromoneMatrix[j][i] = 0;
         
          else 
             this->data->pheromoneMatrix[i][j] = updatedpheromone;
             this->data->pheromoneMatrix[j][i] = updatedpheromone;
         
     

 

因此，由于某些原因，omp 并行 for 循环无法在这些基于范围的循环上工作。 所以这是我的第二个问题 - 如果你们对如何完成基于范围的循环的代码有任何建议我很高兴。

感谢您的帮助

【问题讨论】：

您不需要大于硬件并行化的线程数，即系统上的逻辑 CPU 内核数

【参考方案1】：

所以我的第一个问题是：我能否生成大量同时工作的线程（蚂蚁数量 > 500）？

在 OpenMP 中，您通常不应该关心有多少线程处于活动状态，而是确保通过工作共享结构（例如 omp for 或 omp task）公开足够的并行工作。因此，虽然您可能有一个包含 500 次迭代的循环，但您的程序可以运行在一个线程和 500 个线程（或更多，但它们只是空闲）之间的任何线程。这与其他并行化方法不同，例如 pthreads，您必须管理所有线程以及它们的作用。

现在您的示例错误地使用了ordered。仅当循环体的一小部分需要按顺序执行时，Ordered 才有用。即便如此，它也可能对性能造成很大的问题。如果你想在里面使用ordered，你还需要声明一个循环为ordered。另见this excellent answer。

您不应该使用有序。相反，请确保蚂蚁事先知道number，编写代码使得它们不需要数字，或者至少数字的顺序对蚂蚁来说无关紧要。在后一种情况下，您可以使用omp atomic capture。

关于访问共享数据。尽量避免它。添加omp critical 是获得正确并行程序的第一步，但通常会导致性能问题。衡量您的并行效率，使用并行性能分析工具来确定您是否属于这种情况。然后可以使用原子数据访问或归约（每个线程都有自己工作的数据，只有在主要工作完成后，才会合并来自所有线程的数据）。