Tracer pendant le balayage des paramètres avec parfor

Configurer les valeurs de balayage des paramètres

Définissez la plage de valeurs des paramètres à explorer. Créez une grille maillée pour tenir compte des différentes combinaisons de paramètres.

gridSize = 6;
mu = linspace(100, 150, gridSize);
nu = linspace(0.5, 2, gridSize);
[M,N] = meshgrid(mu,nu);

Préparez un tracé de surface pour visualiser les résultats

Déclarez une variable pour stocker les résultats du balayage. Utilisez nan pour la préallocation afin d'éviter de tracer une surface initiale. Créez un tracé de surface pour visualiser les résultats du balayage pour chaque combinaison de paramètres. Préparez les paramètres tels que le titre, les étiquettes et les limites.

Z = nan(size(N));
c = surf(M, N, Z);
xlabel('\mu Values','Interpreter','Tex')
ylabel('\nu Values','Interpreter','Tex')
zlabel('Mean Period of  y')
view(137, 30)
axis([100 150 0.5 2 0 500]);

Configurer une DataQueue pour récupérer les résultats pendant le balayage des paramètres

Créez un DataQueue pour envoyer les résultats intermédiaires des workers au client. Utilisez la fonction afterEach pour définir un rappel dans le client qui met à jour la surface chaque fois qu'un worker envoie le résultat actuel.

D = parallel.pool.DataQueue;
D.afterEach(@(x) updateSurface(c, x));

Effectuer le balayage des paramètres et tracer les résultats

Utilisez parfor pour effectuer un balayage de paramètres parallèle. Demandez aux workers de résoudre le système pour chaque combinaison de paramètres dans la grille maillée et de calculer la période moyenne. Renvoyez immédiatement le résultat de chaque itération au client lorsque le worker termine les calculs.

parfor ii = 1:numel(N)
    [t, y] = solveVdp(M(ii), N(ii));
    l = islocalmax(y(:, 2));
    send(D, [ii mean(diff(t(l)))]);
end

Starting parallel pool (parpool) using the 'local' profile ...
Connected to the parallel pool (number of workers: 6).

Mise à l'échelle jusqu'à un cluster

Si vous avez accès à un cluster, vous pouvez augmenter votre calcul. Pour ce faire, supprimez le parpool précédent et ouvrez-en un nouveau à l'aide du profil de votre cluster plus grand. Le code ci-dessous montre un profil de cluster nommé 'MyClusterInTheCloud'. Pour exécuter ce code vous-même, vous devez remplacer 'MyClusterInTheCloud' par le nom de votre profil de cluster. Ajustez le nombre de workers. L'exemple montre 4 ouvriers. Augmentez la taille du calcul global en augmentant la taille de la grille.

gridSize = 25;
delete(gcp('nocreate'));
parpool('MyClusterInTheCloud',4);

Starting parallel pool (parpool) using the 'MyClusterInTheCloud' profile ...
Connected to the parallel pool (number of workers: 4).

Si vous exécutez à nouveau le code de balayage des paramètres après avoir défini le profil de cluster, les workers du cluster calculent et envoient les résultats au client MATLAB lorsqu'ils deviennent disponibles. L'animation suivante montre une exécution de cet exemple dans un cluster.

Fonctions d'assistance

Créez une fonction d'assistance pour définir le système d'équations et appliquez-lui le solveur.

function [t, y] = solveVdp(mu, nu)
f = @(~,y) [nu*y(2); mu*(1-y(1)^2)*y(2)-y(1)];
[t,y] = ode23s(f,[0 20*mu],[2; 0]);
end

Déclarez une fonction pour DataQueue afin de mettre à jour le graphique avec les résultats provenant des workers.

function updateSurface(s, d)
s.ZData(d(1)) = d(2);
drawnow('limitrate');
end