cuGenOpt/benchmark/experiments/e10_large_scale/README.md

E10: 大规模问题实验

实验目的

验证 cuGenOpt 在大规模问题（n>100）上的性能表现，以及多 GPU 简化版的实际收益。

实验设计

测试规模

TSP:

• n = 100, 200, 300, 400, 500

VRP:

• n = 50, 100, 150, 200
• 车辆数动态调整（n/20 + 1）
• 容量固定为 150

对比维度

1. 单 GPU vs 多 GPU（简化版）
2. 不同规模下的性能表现
3. 多 GPU 的收益曲线

配置参数

SolverConfig cfg;
cfg.pop_size = 0;           // 自适应（L2 cache感知）
cfg.max_gen = 10000;
cfg.num_islands = 16;
cfg.use_aos = true;
cfg.sa_temp_init = 50.0f;
cfg.use_cuda_graph = true;

运行次数

每个配置运行 5 次，取平均值。

文件说明

• large_tsp_problem.cuh: 支持最多 512 个城市的 TSP 问题定义
• large_vrp_problem.cuh: 支持最多 256 个客户、16 辆车的 VRP 问题定义
• gpu.cu: 主实验代码

编译和运行

# 在远程服务器上
cd ~/cugenopt_e10

# 编译
nvcc -arch=sm_70 -O2 -std=c++17 --extended-lambda \
     -I ../../../prototype/core \
     -I ../../../prototype/problems \
     -I . \
     -o e10_test gpu.cu

# 运行
./e10_test > e10_output.txt 2>&1

预期结果

1. 单 GPU 性能：

   • 小规模（n≤100）：gap < 5%
   • 中规模（n=200-300）：gap < 10%
   • 大规模（n≥400）：gap 可能较高，但仍能找到可行解

2. 多 GPU 收益：

   • 预期在大规模问题上收益更明显（2-5%）
   • 验证"简化版"在实际场景中的价值

3. 可扩展性：

   • 观察 gens/s 随规模的变化
   • 识别性能瓶颈（shared memory, L2 cache）

实验日期

2026-03-05