毕业设计代码归档

本仓库为毕业设计相关代码与实验数据的归档。

---

目录结构

归档/
├── BranchAndBoundBisim-main/   # 基于 PPO 的分支定界算法
├── myalgorithm/                # 分布式策略搜索算法
├── data/                       # 实验数据
├── present/                    # 图表绘制脚本与图片
└── README.md

---

1. BranchAndBoundBisim-main

基于 PPO 强化学习的分支定界（Branch and Bound）算法实现，用于组合优化问题求解。

运行方式：

# 创建 conda 环境
conda env create -f environment.yml

# 编译 Cython 代码
python setup.py build_ext --inplace --force

# 运行
python main.py

# 自定义参数示例
python main.py env.harden_gaps=0.0 env.num_steps=200 optimization.lr=3e-4

---

2. myalgorithm

分布式深度学习中的算子策略搜索算法，用于自动寻找最优的张量并行 / 数据并行策略。

核心流程：

1. 为计算图中的所有算子生成候选策略
2. 为算子节点间生成候选策略对的边，并生成零重分布开销策略
3. 运行策略搜索算法，找到最优策略

运行方式：

python PRA-objs.py --obj mem_obj --layer 1 --batchsize 4 --seq_len 128 --hidden_size 768 --head_num 12 --output_dir PRA-mem-lp

---

3. data

实验原始数据：

文件	说明
吞吐率.xlsx	不同配置下的吞吐率数据
并行时间.xlsx	并行执行时间数据
llama.py	Llama 模型相关脚本

---

4. present

图表绘制脚本与输出图片：

文件	说明
demo.py	柱状图模板
try.py	折线图模板
test1.py ~ test7.py	各版本对比图表脚本
pic/	生成的图表图片（PNG）

---

环境依赖

• Python 3.x
• NumPy
• Matplotlib
• PyTorch（BranchAndBoundBisim）
• Cython（BranchAndBoundBisim）