@techreport{oai:ipsj.ixsq.nii.ac.jp:00192849,
 author = {泉, 翔太 and 石井, 大輔 and 美添, 一樹 and Shota, Izumi and Daisuke, Ishii and Kazuki, Yoshizoe},
 issue = {24},
 month = {Dec},
 note = {Branch-and-bound 等の探索に基づく最適化手法の並列化は HPC の古典的テーマである．Saraswat らが提案した大域的負荷分散 （GLB） ライブラリは，同型の並列ワーカーからなる機構を提供し，不均一なタスク （例 : 並列探索） を 16K コア程度までスケールさせることができる．しかし，GLB ライブラリを最適化問題へ適用すると，暫定解を効率よく並列ワーカー間で共有することが課題となる．そこで，本研究では GLB ライブラリを拡張し，暫定解の共有速度と通信コストのトレードオフを解決することを目指す．また，拡張 GLB ライブラリのベンチマークとして，木構造に基づく最適化問題を用いる．ワーカー間で暫定解を共有する機能として，通信ワーカーを動的に選択する方式と，ワーカー間の超立方体ネットワークを用いる方式を実装した．拡張 GLB ライブラリを用いてベンチマーク問題の並列ソルバーを実装し，複数インスタンスを求解する評価を実験したところ，784 コア使用時に 429-824 倍の速度向上 （並列化効率 0.55-1.05） を達成した．},
 title = {スケーラブルな並列探索による最適化問題の求解},
 year = {2018}
}