一种改进多亲遗传算法的并行模型研究

通过分析传统遗传算法和多亲遗传算法的不足，提出了一种多亲遗传算法的改进算法：基于共享存储器的多亲遗传算法，并对其进行了理论分析，讨论了GA的并行模型特点后，结合粗粒度并行模型和群体分组的并行方式，提出了一种MGASM的并行模型，该模型有利于改进MGASM的性能，提高其搜索效率。将MGASM-PPGA应用到了数据聚类问题中，进行了仿真实验，获得了理想的实验结果。     

基于模式迁移策略的并行遗传算法

通过分析影响并行遗传算法性能的诸多因素，以降低通信代价为问题的突破口，提出一种基于模式定量的迁移策略SMS．SMS迁移策略借鉴网络信息传输机制，通过模式识别压缩提取出子种群中的优质遗传信息，再将一遗传信息在另一子种群中按比例传播，文中首先依据模式定理对模式迁移策略的算法有效性进行了探讨，然后从理论角度给出了采用模式迁移策略后通信量降低的形式化度量，最后分析了由此带来的算法可扩展性的提高。     

自适应小生态遗传算法的理论分析和加速技术

提出了联赛选择和相似个体概率替换的自适应小生态遗传算法，建立了小生态生长的动力学模型．平衡态理论分析和仿其实验表明，概率联赛小生态技术选择能够形成和维持稳定的子种群．提出了种群聚类分割和单纯形搜索的并行局部搜索算于，定性地分析了其搜索性能．对复杂多峰问题的优化结果表明，结合概率联赛选择和并行局部搜索算子的小生态遗传算法不但能够快速可靠地收敛到全局最优解，且能并行地搜索到多个局部最优解，其收敛速度和全局收敛可靠性均显著地优于简单遗传算法和其它小生态方法．     

自适应主从式并行遗传算法在区间非线性规划问题求解中的应用

讨论了区间参数非线性规划问题．通过引入决策风险因子的概念，提出了一种不确定性非线性规划的一般命题形式．为求解该命题形式，提出一种自适应主从式并行遗传算法，该算法可以满足大规模优化问题的求解实时性要求，具有全局收敛性能．相对于常规主从式并行遗传算法，该算法通过动态调整从机的计算负荷，有效地解决了从机间计算负荷不均衡分布的问题．仿真结果表明了该自适应主从式并行遗传算法的可行性．     

基于遗传算法的组播路由选择方法

给出了多种群并行退火组播路由遗传算法和一种有效去除冗余信息的遗传算法编码设计技术，通过仿真实验证明了算法的正确性，分析了算法的时间性能，表明该算法快速有效。     

并行遗传算法的研究

在分析了解决组合优化问题所遇到的困难的基础上，引入遗传算法.进而提出基本遗传算法在解决数量级很大的组合优化问题上的缺陷，并详细介绍了遗传算法的三种并行模型，最后给出改进的并行遗传算法模型．     

并行遗传算法在弧岛模型上的设计和分析

本文探讨了遗传算法的并行化原理；给出了并行遗传算法弧岛模型上的具体实现方法；分析和比较了用串行遗传算法和并行遗传算法求解ＴＳＰ的实验结果，获得了接近线性的加速比，最后讨论了相关参数对实验结果的影响。     

基于大值堆的自调整粗粒度并行遗传算法模型

一般粗粒度并行遗传算法（CGGA）的性能受诸多因素的影响表现不尽如人意。以降低通信代价为主要目标，受物种金字塔模型的启发，设计了一种双阈值限制下的自调整堆结构，并对其堆调整具体操作进行了改进，以期望改进后算法中种群间的通信代价大幅度降低，优化收敛速度，提高算法效率。通过对遗传算法的几个典型测试函数通信量的分析和实验表明，基于该模型的并行遗传算法在降低通信代价、提高收敛速度、优化最终解方面收效明显。     

基于遗传算法的多连接表达式进行查询优化

多连接表达式的并行查询优化是提高数据库性能的关键问题之一，提出了使用遗传算法来解决多连接表达式的并行查询优化问题。为了提高查询处理器的执行效率，采用启发式规则来搜索最优的多连接表达式并行调度执行计划。文中给出了详细的测试结果和性能分析。实验结果表明，结合启发式知识的遗传算法是解决多连并行查询优化的有效途径，对提高数据库 的性能起到重要作用。     

并行遗传算法的研究及应用进展

并行遗传算法(PGA)将并行计算机的高速并行性和遗传算法天然的并行性相结合,极大地促进了遗传算法的研究与应用。该文对近年来并行遗传算法的模型、性能分析、算法改进、实现平台进行了归纳和评述,并且对并行遗传算法今后的主要研究方向和发展前景进行了展望。     

一种混合并行遗传算法在网格资源分配中的研究

在近年的资源选择算法研究中,有几种较为常见的算法。考虑到算法的性能和在网格领域中使用的频度以及实现等因素,目前研究集中在遗传选择算法,禁忌搜索算法和蚂蚁算法。首先讨论了这三种算法,并且在此基础上提出了一种较好的算法——混合并行选择算法,其基本思想是首先通过网格资源选择框架,采用静态预测的方法和贪心算法来实现与应用无关的资源预选择,然后用粗粒度并行遗传算法生成资源集合中的初始信息素分布,再利用蚂蚁算法求出全局最优解。实验表明混合并行遗传算法比普通算法在同等或更少的迭代次数就能获得更优的解。     

基于遗传算法的并行网络模拟拓扑划分

要提高并行网络模拟性能,需对网络模拟拓扑进行有效划分。为此,提出一种并行网络模拟拓扑的优化划分方法。分析影响并行网络模拟性能因素,给出并行网络模拟性能估计模型,以该模型为评价函数,采用遗传算法寻找优化划分,实现并行网络模拟拓扑的优化划分。在PDNS上的实验结果表明,与传统划分方法相比,该优化划分方法的并行模拟性能平均提高13.3%。     

Platform impact on performance of parallel genetic algorithms: Design and implementation considerations

Many problems in the operations research field cannot be solved to optimality within reasonable amounts of time with current computational resources. In order to find acceptable solutions to these computationally demanding problems, heuristic methods such as genetic algorithms are often developed. Parallel computing provides alternative design options for heuristic algorithms, as well as the opportunity to obtain performance benefits in both computational time and solution quality of these heuristics. Heuristic algorithms may be designed to benefit from parallelism by taking advantage of the parallel architecture. This study will investigate the performance of the same global parallel genetic algorithm on two popular parallel architectures to investigate the interaction of parallel platform choice and genetic algorithm design. The computational results of the study illustrate the impact of platform choice on parallel heuristic methods. This paper develops computational experiments to compare algorithm development on a shared memory architecture and a distributed memory architecture. The results suggest that the performance of a parallel heuristic can be increased by considering the desired outcome and tailoring the development of the parallel heuristic to a specific platform based on the hardware and software characteristics of that platform.     

并行遗传算法在非均衡负载节点并行机上的实现

基于平衡负载、减小通信开销的考虑,对于非均衡负载节点并行机提出了两种并行遗传算法一动态负载平衡的孤岛模型和主从模型,并与基本的孤岛模型做了比较。两种算法在实际使用中均取得了较好的效果。     

小波基和图像分解层数对不同类型图像EZW算法的性能的影响

嵌入式零树小渡（EZW）编码方法是一种简单而高效的图像编码算法。影响EZW算法性能的因素有很多,本文主要从图像类型、小渡基和小波分解层数这3种因素出发通过大量的实验数据对它们对EZW算法性能的影响进行了比较,并通过对实验结果的分析与讨论,获取了相关的一些结论。这些结论将有助于更好地发挥EZW算法的性能,同时对在EZW基础上发展起来的改进算法的使用也具有一定的指导作用。     

基于量子遗传算法的多任务联盟并行生成算法

提出一种基于量子遗传算法的多任务联盟并行生成算法,运用量子编码映射的方式将任务分配与资源组合合并为一个过程,使多任务联盟问题的复杂性得到降低。实验表明,该算法在面向多任务的领域中可以快速、有效地并行形成多个任务求解联盟;与遗传算法和蚁群算法的对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于前两种算法。     

MapReduce技术在物资调运与配载问题中的应用

针对用于求解复杂物资调运及配载问题的多目标遗传算法耗时较长的问题,设计了基于云计算MapReduce技术的并行化部署和改进方案。实验对比了算法在多种串行、并行环境下的时效性,证实了MapReduce架构在一定环境下能较大幅度提高算法的时耗性能。     

基于测量的QoS接纳控制算法的结构与性能分析

The advantage of measurement-based QoS admission control(MBAC)algorithms is that they can improve network utilization. In this paper, the equations of MBAC algorithms are proved to be of the same structural form. Then, through simulations on the existing MBAC algorithms, the simulating results demonstrate that MBAC algorithms may have the same performance by tuning the adjustable parameters of algorithms, and that the key factor of influencing MBAC algorithms' performance is the adjustable parameters, not the equations, of algorithms.     

Parallel machine scheduling problems using memetic algorithms

In this paper, we investigate how to apply the hybrid genetic algorithms (the memetic algorithms) to solve the parallel machine scheduling problem. There are two essential issues to be dealt with for all kinds of parallel machine scheduling problems: job partition among machines and job sequence within each machine. The basic idea of the proposed method is that (a) use the genetic algorithms to evolve the job partition and then (b) apply a local optimizer to adjust the job permutation to push each chromosome climb to his local optima. Preliminary computational experiments demonstrate that the hybrid genetic algorithm outperforms the genetic algorithms and the conventional heuristics.     

Algorithms of parallel computations for linear algebra problems with irregularly structured matrices

Parallel algorithms for direct methods of analysis and solution of linear algebra problems with sparse symmetric irregularly structured matrices are considered. The performance of such algorithms is investigated. Upper estimates of the speedup and efficiency factors are obtained for a parallel algorithm for triangular decomposition of sparse matrices. Some results of numerical experiments carried out on a MIMD computer are given.