C++ User Group

Программа

11.30 Регистрация
12.00 Максим Хижинский,  “Flat Combining — легкий путь в сложный мир конкурентных контейнеров”
13.00. Григорий Демченко, “Fine-grained locks”
14.00 Перерыв
15.30 Антон Бикинеев, “Generic Numeric Programming with Boost.Math and Boost.Multiprecision”
16.30 Дмитрий Нестерук, “Метод Монте-Карло на C++“

Докладчики

Максим Хижинский   

Программист, интересующийся конкурентной обработкой данных в многопоточных средах. Воплощатель чужих идей, автор libcds.

Flat Combining — это интересный подход к построению конкурентных контейнеров, который позволяет сделать конкурентную обертку (wrapper) над обычным STL-контейнером без использования lock-free конструкций и связанных с ними проблем типа ABA. Также этот подход позволяет для некоторых контейнеров (стек, очередь) довольно просто ввести elimination (аннигиляция, поглощение пары push/pop без обращения к центральной структуре данных). 

Григорий Демченко

Старший разработчик Яндекс.Карт. До Яндекса занимался созданием высоконагруженных высокопроизводительных приложений. Сейчас участвует в разработке геонавигационных сервисов.

В докладе будет рассказано про типичные подходы, которые применяются при использовании мьютексов, и их недостатки. Будет предложен универсальный способ, как такие проблемы решать. Будут рассмотрены умные мьютексы, умные RW-мьютексы. В заключении будут рассмотрены некоторые примеры использования.

Антон Бикинеев

Разработчик в компании "Терминальные Технологии", а также студент 1 курса магистратуры в НИУ МИЭТ. Чуть меньше года назад начал контрибьюшн в Boost.Math проходя ревью у John Maddock, Paul Bristow, Christopher Kormanyos. Сейчас разрабатывает обобщенные гипергеометрические функции для этой же библиотеки как часть Google Summer of Code проекта.

Доклад повествует о разработке с использованием двух
отлично кореллирующих библиотек Boost.Math и Boost.Multiprecision с точки зрения обобщенного программирования. Освещаются некоторые их совместные возможности для вычисления спец. функций, статистических распределений, а также приемы использования вынесенных функций-хелперов для различных численных решений определенных задач, как вычисление Пи алгоритмом Чудновского, поиск корней полиномов методом Ньютона-Рафсона и др.

Дмитрий Нестерук

Разработчик, спикер, подкастер, тренер, технический евангелист JetBrains. Занимается разработкой и интеграцией с сфере вычислений, финансовой инженерии и алгоритмической торговли. Преподаватель начального курса по Финансовой Инженерии, автор курсов MATLAB и CUDA на Pluralsight. Интересуется разработкой на C++, C# и F# а также высокопроизводительными вычислениями на платформах CUDA и Xeon Phi. MVP (C#) с 2009г.

В жизни существует множество процессов, для которых не существует аналитических решений. Например, финансовый инструмент выплата по которому зависит от пути движения цены актива, не может быть оценен напрямую, но мы можем дать ему приблизительную оценку с помощью большого количества симуляций процесса цены. Или, например, при написании робота для игры в карты, мы не знаем карты противников, но перепробовав большое количество возможностей можем получить приблизительную оценку нашей позиции.

В этом докладе будет расскано про реализацию метода Монте-Карло, какие библиотеки и подходы можно использовать, а также про копроцессоры Intel Xeon Phi, на которых можно запускать подобные симуляции.