首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 140 毫秒
1.
降维式自主迁移伪并行遗传算法   总被引:2,自引:0,他引:2  
并行优化算法是一种以优化算法为基础,利用并行计算技术,把问题分解到各个处理器进行处理的算法.以遗传算法为蓝本,提出一种降维式自主迁移的伪并行遗传算法.该算法实现了对高维问题的并行降维优化,并设计出新颖的具有协作性质的信息迁移机制,更好地融合各个处理器的优化信息.测试了3种不同的迁移处理器中优化信息的方法,并对11个具有30维的连续函数进行测试.测试结果与其它并行遗传算法进行了比较,该方法在求解精度和速度上都要比传统的串行遗传算法和并行遗传算法优胜.  相似文献   

2.
演化元胞自动机函数优化算法案例研究   总被引:6,自引:1,他引:6  
BUMP是一个超多维,超多峰,超非线性的问题,被广泛应用于各种演化算法的性能比较。但最好解是未知的。基于元胞自动机的遗传算法报告了BUMP曾经发表过的最好解。该文设计了基于演化元胞自动机的新算法(ECAA)并获得了更好的结果。文中详细讨论了算法中各算子的设计方法及其在算法中扮演的角色,分析了该算法的极度并行,天然局部搜索等重要特性。  相似文献   

3.
差分进化是一种求解连续优化问题的高效算法。然而差分进化算法求解大规模优化问题时,随着问题维数的增加,算法的性能下降,且搜索时间呈指数上升。针对此问题,本文提出了一种新的基于Spark的合作协同差分进化算法(SparkDECC)。SparkDECC采用分治策略,首先通过随机分组方法将高维优化问题分解成多个低维子问题,然后利用Spark的弹性分布式数据模型,对每个子问题并行求解,最后利用协同机制得到高维问题的完整解。通过在13个高维测试函数上进行的对比实验和分析,实验结果表明算法加速明显且可扩展性好,验证了SparkDECC的有效性和适用性。  相似文献   

4.
一种新的求解复杂函数优化问题的并行粒子群算法   总被引:10,自引:0,他引:10  
并行计算能够有效地缩减大规模问题求解的时间需求。文章先简要介绍了粒子群算法的标准版本,对比细粒度的粒子群算法的简单并行,引入种群和移民的思想,提出了一种基于多种群的粒子群算法的并行版本。算法在曙光3000超级服务器上完成,利用MPI处理各个进程间的通讯。使用BUMP函数的数值实验表明了该算法的有效性。  相似文献   

5.
针对水库群供水优化调度问题,提出了一种带差分进化的双层多种群粒子群算法(DE-TMPSO)。该算法实现粒子群优化算法的群体拓展和双并行运行机制,针对性地提高粒子群算法的全局搜索能力,同时采用不同粒度的多子群并行机制、种群间的双向最优信息流动以及引入差分进化策略也提高了该算法的局部搜索能力,在一定程度上避免了"早熟"现象的发生,具有较好的稳定性,收敛速度也得到了提高。该算法应用于我国南方某流域的水库群供水优化调度问题中,调度结果合理,为求解高维、复杂的水库群供水优化调度提供了新的思路和方法。  相似文献   

6.
细胞自动机函数优化算法   总被引:3,自引:0,他引:3  
细胞自动机广泛用于仿真、建模,提出用细胞自动机进行函数优化。该思想与演化算子结合的算法CAMGA在试验中取得了很好的效果。其中对BUMP问题的求解优于现今已经发表的结果。  相似文献   

7.
毕硕本  陈东祺  颜坚  郭忆 《计算机科学》2014,41(10):317-320
提出了一种基于并行二维凸壳算法的平面点集的Delaunay三角网生成算法。该算法基于颜坚等在文献[20]中提出的并行二维凸壳算法,在构建凸壳时记录被替换的边和被删除的点,形成一个初始三角网;再在初始三角网的各个三角形内部,采用逐点插入法构建局部的Delaunay三角网;最后,对各个局部Delaunay三角网的边界边进行局部优化,得到原点集的Delaunay三角网。文中给出了算法的正确性说明,实验结果也表明该算法稳定高效。  相似文献   

8.
本文应用区域分解算法进行油藏模拟的并行计算研究,寻求可高效并行求解三维三相数值模拟问题的最优算法。在对流行的预处理共轭梯度算法及GMRES算法进行对比研究的基础上,提出了改进的GMRES算法,这种算法具有迭代参数不需优化、收敛快、可得到较精确解等优点。应用该解法对三维三相黑油模型软件进行并行化改造。通过模型及实际油藏计算,比软件原算法及GMRES算法的计算速度得到大幅度提高。并行效率较高,并行化后的模拟软件可以有效地解决大型整装构造油藏的数值模拟问题。  相似文献   

9.
代码生成作为并行编译器的后端,其生成代码的优劣直接影响着并行程序的执行效率。并行分解的维内存在偏移会产生维内通信,传统算法生成的维内通信代码不够精确,会产生冗余通信。提出了通过合并数组变量生成通信链,并按照通信链生成通信代码的维内通信优化算法来消除此类冗余,对传统算法进行了改进和优化。测试结果表明该算法对维内通信的优化效果明显。  相似文献   

10.
并行测试以减少测试时间和降低测试成本的强大优势成为下一代自动测试系统ATS发展的热点;针对ATS中并行测试任务调度复杂、难以优化问题,提出了一种有色Petri网和改进粒子群优化(IPSO)算法相结合的任务调度优化算法;采用有色Petri网建立并行测试系统模型,得到并行测试的动态特性;采用IPSO算法搜索最优的任务调度路径,得到以测试时间最短为目标的最优任务调度方案;最后,将该算法应用到某型雷达电路板并行测试系统中,研究结果表明,与遗传算法GA相比,该算法效率更高,更利于工程应用。  相似文献   

11.
为解决大规模非线性最优化问题的串行求解速度慢的问题,提出应用松弛异步并行算法求解无约束最优化问题。根据无约束最优化问题的BFGS串行算法,在PC机群环境下将其并行化。利用CHOLESKY方法分解系数为对称正定矩阵的线性方程组,运用无序松弛异步并行方法求解解向量和Wolfe-Powell非线性搜索步长,并行求解BFGS修正公式,构建BFGS松弛异步并行算法,并对算法的时间复杂性、加速比进行分析。在PC机群的实验结果表明,该算法提高了无约束最优化问题的求解速度且负载均衡,算法具有线性加速比。  相似文献   

12.
提出了一种新的杂交算子,即基于邻域的多亲杂交算子,这种算子不仅呈现出多亲杂交的形式,而且内在隐含变异算子的特征。另一方面,为了加快收敛速度,引入了一种自适应的机制根据演化的进度调整邻域范围。实验表明,使用该算子的实数编码遗传算法在优化高维连续函数时是可行而有效的,尤其在BUMP问题的求解上有较大突破。  相似文献   

13.
基于并行多种群自适应蚁群算法的聚类分析   总被引:10,自引:0,他引:10  
数据聚类是数据挖掘中的一个重要课题。聚类问题可以归结为一个优化问题。蚁群算法作为一种鲁棒性很强的优化算法具有很强的全局优化能力。该文给出了一种并行多种群自适应蚁群算法。该算法采用多种群并行搜索,并在种群中采用基于目标函数值的启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径的行为。理论分析和仿真实验表明,该算法是非常有效的。  相似文献   

14.
类搜索算法     
陈皓  潘晓英 《软件学报》2015,26(7):1557-1573
提出利用类结构驱动的群体进化计算方法——类搜索算法(CSA).CSA在个体间构造簇类形态的虚拟连接关系,并通过对类组织的结构和类搜索过程进行动态调节来优化模拟进化系统的计算状态,提高群体的搜索效率.介绍了CSA的基本模型,并基于CSA融合进化算子与差分计算机制设计出数值优化算法CSA/DE.对多个典型高纬函数和复杂混合函数的仿真实验结果说明,CSA/DE是一种对高纬连续问题高效、稳定的搜索优化方法.该工作一方面验证了CSA的可行性和有效性;另一方面则显示:基于类搜索模型可有效融合异构且具有不同计算特性的搜索机制,形成对待求解问题更具针对性且协调性更佳的搜索计算方法.这为高性能优化算法的设计提供了一条新的途径.  相似文献   

15.
常微分方程组并行演化建模的实验研究   总被引:4,自引:0,他引:4       下载免费PDF全文
以常微分方程组的演化建模问题为主要研究对象,设计了分布式异步并行演化算法,并以128台PIII 500微机通过10Mbps的以太网互联而成的机群系统作为模拟实验环境进行了大规模的并行实验,系统地测试了算法中的一些重要的并行控制参数,包括处理机间的连通度、个体的迁移率和迁移代频等对算法性能的影响,得到了一些崭新的实验结果,给出了一些结果分析,特别是对串行算法和并行算法的最好建模结果进行了比较.  相似文献   

16.
王旭  赵曙光 《计算机应用》2014,34(1):179-181
针对高维优化问题难以解决并且优化耗费时间长的问题,提出了一种解决高维优化问题的差分进化算法。将协同进化思想引入到差分进化领域,采用一种由状态观测器和随机分组策略组成的协同进化方案。其中,状态观测器根据搜索状态反馈信息适时地调用随机分组策略重新分组;随机分组策略将高维优化问题分解为若干较低维的子问题,而后分别进化。该方案有效地增强了算法解决高维优化问题的搜索速度和搜索能力。经典型的实例测试,并与其他一流差分进化算法比较,实验结果表明:所提算法能有效地求解不同类型的高维优化问题,在搜索速度方面有明显提升,尤其对可分解的高维优化问题极具竞争力。  相似文献   

17.
高维多目标优化问题普遍存在且难以解决, 到目前为止, 尚缺乏有效解决该问题的进化优化方法. 本文提出一种基于目标分解的高维多目标并行进化优化方法, 首先, 将高维多目标优化问题分解为若干子优化问题, 每一子优化问题除了包含原优化问题的少数目标函数之外, 还具有由其他目标函数聚合成的一个目标函数, 以降低问题求解的难度; 其次, 采用多种群并行进化算法, 求解分解后的每一子优化问题, 并在求解过程中, 充分利用其他子种群的信息, 以提高Pareto非被占优解的选择压力; 最后, 基于各子种群的非被占优解形成外部保存集, 从而得到高维多目标优化问题的Pareto 最优解集. 性能分析表明, 本文提出的方法具有较小的计算复杂度. 将所提方法应用于多个基准优化问题, 并与NSGA-II、PPD-MOEA、ε-MOEA、HypE和MSOPS等方法比较, 实验结果表明, 所提方法能够产生收敛性、分布性, 以及延展性优越的Pareto最优解集.  相似文献   

18.
This work presents a novel parallel micro evolutionary algorithm for scheduling tasks in distributed heterogeneous computing and grid environments. The scheduling problem in heterogeneous environments is NP-hard, so a significant effort has been made in order to develop an efficient method to provide good schedules in reduced execution times. The parallel micro evolutionary algorithm is implemented using MALLBA, a general-purpose library for combinatorial optimization. Efficient numerical results are reported in the experimental analysis performed on both well-known problem instances and large instances that model medium-sized grid environments. The comparative study of traditional methods and evolutionary algorithms shows that the parallel micro evolutionary algorithm achieves a high problem solving efficacy, outperforming previous results already reported in the related literature, and also showing a good scalability behavior when facing high dimension problem instances.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号