Skip to content
Snippets Groups Projects
Commit 61b47bcf authored by Matthieu Oberon's avatar Matthieu Oberon
Browse files

add readme for results

parent e64f8014
Branches
No related tags found
No related merge requests found
# Results
Tous nos résultats bruts et exploités se trouvent dans ce dossier. Les résultats bruts se présentent sous deux formes:
- les fichiers commençant par result_ contiennent les chemins suivis par toutes les fourmis et les coûts qui y sont associés. Il mentionne aussi quel processus a été déployé sur quel noeud, il donne le temps total d'exécution et finalement le coût optimal et le chemin associé.
- les fichiers commençant par cost_opti_ contiennent la liste du meilleur coût atteint à chaque itération.
Les fichiers en result_ et cost_opti_ sont présents par paire : à chaque fichier result_ correspond un fichier cost_opti_ dont le nom se termine de la même manière et qui est rangé dans le même sous-dossier. Les fichiers rangés dans les mêmes sous-dossiers sont soit les résultats obtenus pour des batchs identiques mais lancés plusieurs fois, soit des batchs lancés avec un seul paramètre qui varie. Le nom indique alors quel paramètre a varié; par exemple, si le chiffre devant np varie, cela signifie que le batch a été lancé sur un nombre différent de processus.
Ce dossier [results](./) contient aussi des exemples de scripts python qui nous ont servi à exploiter les résultats et obtenir les figures stockées dans le dossier [images](./images)
## Structure du répertoire
```
.
├── 10iter -> resultats obtenus sur 1, 2, 4, 8 et 16 process
│ ├── ...
| ...
├── 16np_32ants_400iter -> resultats obtenus pour des batchs identiques et la stratégie classique
│ ├── ...
| ...
├── comm_times -> résultats obtenus en comparant GatherBcast et Send/Rcv
│ ├── ...
| ...
├── elitist_16np_32ants_400iter -> résultats obtenus pour des batchs identiques et la stratégie élitiste
│ ├── ...
| ...
├── fourmis folles -> résultats obtenus pour des batchs identiques et la stratégie des fourmis folles
│ ├── ...
| ...
├── images -> figures obtenus en anlysant les données brutes
│ ├── ...
| ...
├── maxmin_16np_32_ants_300iter -> résultats obtenus pour des batchs identiques et la stratégie Max-Min
│ ├── ...
| ...
├── new_tau0 -> résultats obtenus pour des batchs identiques en modifiant l'initilisation des phéromones
│ ├── ...
| ...
├── comm_times.py -> script python pour analyser les résultats dans comm_times
├── readme.md -> readme
├── result_exploitation.py -> script python pour vérifier la scalability de ACO.py
└── stability_test.py -> script python pour vérifier la stabilité pour des batchs identiques
```
\ No newline at end of file
754.57
754.57
754.57
754.57
754.57
754.57
775.98
775.98
775.98
778.7
778.7
778.7
778.7
778.7
778.7
778.7
778.7
778.7
778.7
778.7
778.7
778.7
778.7
778.7
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
791.25
799.16
799.16
799.16
799.16
799.16
799.16
799.16
799.16
799.16
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
810.66
811.19
811.19
811.19
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
822.42
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
824.06
825.26
825.26
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
861.62
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
867.94
==============================
[256, 512, 256, 256, 27, 17] => 999.46 MPoints/s
time: 2.78 sec
throughput: 1029.43 MPoints/s
flops: 62.80 GFlops
==============================
==============================
[256, 512, 512, 240, 7, 398] => 936.77 MPoints/s
time: 5.24 sec
throughput: 1125.94 MPoints/s
flops: 68.68 GFlops
==============================
==============================
[256, 512, 512, 64, 13, 13] => 761.9 MPoints/s
time: 6.17 sec
throughput: 957.25 MPoints/s
flops: 58.39 GFlops
==============================
==============================
[512, 256, 256, 144, 15, 213]
time: 4.21 sec
throughput: 679.18 MPoints/s
flops: 41.43 GFlops
==============================
==============================
time: 2.62 sec
throughput: 528.58 MPoints/s
flops: 32.24 GFlops
==============================
This diff is collapsed.
......@@ -2,39 +2,6 @@ import matplotlib.pyplot as plt
import numpy as np
###########################################################################
## Compare 2 different setups
###########################################################################
cost_opti = []
iter_list = []
iter = 1
with open("16np_32ants_400iter/cost_opti_16np_32ants_400iter_1.txt", 'r') as file:
for line in file:
cost = float(line.strip("\n"))
cost_opti.append(cost)
iter_list.append(iter)
iter +=1
cost_opti2 = []
iter_list2 = []
iter = 1
with open("cost_opti_16np_64ants_300iter.txt", 'r') as file:
for line in file:
cost = float(line.strip("\n"))
cost_opti2.append(cost)
iter_list2.append(iter)
iter +=1
plt.plot(iter_list, cost_opti, '*-', label="400 générations de 32 fourmis sur 16 process")
plt.plot(iter_list2, cost_opti2, '*-', label="230 générations de 64 fourmis sur 16 process")
plt.xlabel("Iteration")
plt.ylabel("Throughput optimal (MPoint/s)")
plt.title("Evolution du meilleur throughput au cours des générations de fourmis.")
plt.legend()
plt.show()
###########################################################################
## Plot execution time for 10 generations of
## 64 ants on a different number of processes
......
0% Loading or .
You are about to add 0 people to the discussion. Proceed with caution.
Please register or to comment