一种改进的动态多种群并行差分进化算法

针对单种群差分进化算法易出现早熟收敛的问题,提出了一种改进的动态多种群并行差分进化算法。该算法首先利用佳点集方法产生初始种群以增强算法的稳定性和全局搜索能力。基于个体的适应度将种群分为三个子种群,并分别执行采用不同实验向量产生策略和控制参数设置的差分进化算法,既保持了各个子种群算法的独立性和优越性,又不增加算法的复杂性。仿真实验结果表明该算法具有较好的寻优性能。     

并行差分进化算法

并行处理已经成为现代计算技术的一项关键技术。近几年软件的发展使得异构计算机集合可以作为并行计算资源使用,本文探讨如何在环形网络拓扑结构中将差分进化算法并行,以提高该方法的速度和性能。实验结果表明,子群中交流信息分配到不同节点的范围对该算法的性能有重大影响。此外,并不是差分进化中所有的突变策略都同样对此参数的值敏感。     

一种基于进化方向的新的差分进化算法

变异策略对差分进化算法（DE）算法的成功与否起到至关重要的作用.然而,方向信息在DE变异策略的设计当中并没有被充分地挖掘,且对于如何平衡进化速度和种群多样性这两者之间的矛盾也没有得到很好的解决方案.研究了个体在进化选择操作前后产生的差量信息在变异操作上的导向作用,提出了一种新的基于进化方向的变异策略“DE/current-to-pbest/1/Gvector”.同时,为了测试我们这种新的方向信息能否提高算法的优化能力,我们在自适应差分进化算法（JADE）的基础上提出了一种新的算法DVDE.对CEC2005常用的12个测试函数做了仿真实验,实验结果证明DVDE的算法性能平均优于其他5个目前来说性能最好的DE算法（JADE,SaDE,CoDE,jDE,EPSDE）,特别是对于单峰函数,效果更为明显.实验结果也说明进化方向的加入对于提高算法的收敛速度以及保护种群的多样性避免算法过早陷入局部最优起到了较好的作用.     

混合差分进化算法

为了克服差分进化算法容易出现早熟和收敛速度慢的问题,提出了一种混合差分进化算法.该算法在趋药性差分进化算法(CDE)的基础上,通过对较优个体进行变异操作,维护了种群多样性、避免早熟;通过将较差的个体与较优个体进行杂交,提高了开采能力、加快了收敛速度.基于这两种策略,算法的开采能力与探索能力达到了平衡.用该算法解决标准函数优化问题,并将仿真结果与其他算法进行比较,数值结果表明该文算法具有较快的收敛速度和很强的跳出局部最优的能力.     

一种基于差分进化算法的多模型建模方法

针对非线性系统的多模型建模问题,基于差分进化算法提出了一种优化建模方法.从系统的输入输出数据出发,将样本空间分割与局部模型建立相结合,首先将PWA辨识问题转化为MIQP问题;然后采用自适应混沌差分进化算法对模型数量及模型参数同时优化;最后利用支持向量基求取分割曲面方程.仿真结果表明,该方法能以最优的线性子模型集准确地逼近非线性系统.     

云环境下求解大规模优化问题的协同差分进化算法

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。     

基于差分进化算法的Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.本文利用差分进化算法对Wiener模型参数进行辨识,把辨识问题等价为以估计参数为优化变量的非线性极小值优化问题,并分析了算法中种群规模NP、缩放因子F、交叉概率CR等控制参数对辨识过程中的全局并行搜索能力和收敛速度的影响,以保证算法的全局收敛性.对Wiener模型的数值仿真结果表明了DE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力。     

基于差分进化算法的Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.利用差分进化算法对Wiener模型参数进行辨识,把辨识问题等价为以估计参数为优化变量的非线性极小值优化问题,并分析了算法中种群规模NP、缩放因子F、交叉概率CR等控制参数对辨识过程中的全局并行搜索能力和收敛速度的影响,以保证算法的全局收敛性.对Wiener模型的数值仿真结果表明了DE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.     

基于差分进化算法的高斯混合模型参数估计

EM算法用于高斯混合模型参数估计时,具有对初始值敏感、易于陷入局部极小等缺点。将差分进化算法引入高斯混合模型参数估计问题,提出一种基于差分进化算法的高斯混合模型参数估计方法。该方法直接对模型参数进行编码,待优化目标函数简单且物理意义明显,具有算法实现容易、运行效率高及收敛速度快等优点。实验结果表明。新方法具有很强的全局搜索能力,参数估计精度更高、更稳定。     

基于差分进化算法的拥塞车流区域疏散模型

拥塞车流区域进行车辆疏散的过程中,存在较强的无序性.导致传统的车流疏散的过程中,由于车流密度突变导致的疏散准确性存在缺陷.提出差分进化算法的拥塞车流区域疏散方法.将拥塞车流区域中的车辆看作一个个独立的粒子,对粒子的初始速度和初始位置进行初始化操作,获取粒子位置和速度的变化范围.然后利用差分进化算法针对早熟的粒子进行操作,获取粒子的多样性,避免了种群过早收敛.最后利用差分进化算法对拥塞区域中车辆的连续变量函数进行优化,从而实现了拥塞车流区域的疏散.实验结果表明,利用改进算法进行拥塞车流区域疏散,能够有效提高疏散的准确率,缩短了疏散时间.     

一种基于移动Agent的分布式并行计算模型

针对传统的分布式并行计算方案所存在的缺点,提出了一种基于移动Agent技术的分布式并行计算模型。在简单介绍移动Agent技术后,给出了基于移动Agent的分布式并行计算模型,并详细叙述了该模型的具体工作过程和实现方案。模型设计完成后,用此模型来解决计算量很大的数值计算问题。首先利用数学工具分析设计出该问题的适合于分布式并行计算的方案,然后依照模型实现实验程序。实验测试表明根据该模型实现的分布式并行计算程序具有较高的加速比和并行效率,并有效地提高了分布式并行计算的稳定性、灵活性、可扩展性和移动性。     

基于PVM的并行分布计算中的任务调度策略

在工程计算中,并行分布计算越来越显得重要,而任务调度策略是影响并行分布计算性能至关重要的因素。在分析了现有的任务调度策略的基础上,结合复杂机电系统耦和问题,提出了两层调度和主动报告的策略。     

基于差分进化算法的分布式电源DG规划设计

分布式电源(DG)是一种可以与环境兼容,利用清洁能源发电,可以满足用户对电量的特殊需求的发电装置。因此,将分布式电源接入电网,不仅可以保证电网的运行安全,提高供电可靠性,还可以将多余的电力反馈给电网。分布式发电接入配电网后,不一定能降低配电系统的网损,提高电网的稳定性,还有可能会因为并网的规划方案设计的不够好反而对电网造成不利影响,因此,分布式电源接入配电网的规划尤为重要。在分布式发电的并网规划中,最重要的是选择分布式发电的接入位置和容量。因此,本文选择具有结构简单、执行方便、优化效率高、参数设置简单、鲁棒性好等优点的差分算法,通过建立系统,并用Matlab进行了仿真,选择其最佳位置,计算出最优容量,并得到最优目标函数,来达到最佳的规划设计。     

TDCE:基于Tspaces的分布并行计算系统

Tspaces是一种新型的网络中间件。它为网络环境中各进程提供一种强大的共享存储机制来处理相互之间通信和同步。在Tspaces的基础上,构造了一个用于群机环境的并行计算系统TDCE。TDCE支持SPMD模式的并行程序,实验结果表明TDCE能以较小的系统配置和管理开销构建分布式计算平台,为并行程序的开发运行提供有效的支持,给出了系统MPI的对比测试结果并作了分析。     

一种并行分布对象的互操作模型

并行软件设计本身的复杂性使它的复用成为一个引人注目的问题.分布对象技术不仅可以将并行软件封装成相应的构件,而且提供了利用各种异构系统进行并行计算的可能性,但这样往往会使这些构件的互操作的效率有所降低.文章提出的并行分布对象互操作模型试图解决这一问题.这个模型与分布对象的旧有模型兼容,并且实际测试结果表明,它还能挖掘出并行分布对象间的更多并行性.     

颗粒复合材料代表体元并行建模算法研究

为了利用细观力学方法研究复合固体推进剂材料的力学性能,需要建立具有代表性的推进剂细观胞元模型,针对当前算法普遍存在的计算效率低下问题,依据分子动力学思想生成颗粒堆积模型的性能特性,通过分析负载均衡和消息通信,提出了并行模型的三个准则,设计了区域分解的并行策略,并利用共享存储并行和分布式存储并行两级并行手段实现了并行算法。最后在IBMBladeCenter集群平台上通过实例证明算法可以缓解负载均衡并缩减通信开销,上述试验数据验证了算法的高效性,达到了提高胞元生成效率的目的。     

基于Agent的分布式计算的研究

该文从Agent的含义、特点出发,提出并阐释了Agent的结构,进而设计了一个基于Agent的分布式计算模型。通过细化该模型的服务Agent的内部结构来达到进一步阐述基于Agent的分布计算过程。然后给出了基于Agent的分布式计算的一个应用实例。     

分布式动态负载平衡调度的一个通用模型

在大规模并行分布处理系统，特别是网络工作站机群（ＮＯＷ）系统中，各结点机之间的负载平衡调度是最为常见的关键性问题之一．本文在简单分析了动态负载平衡调度中接收者驱动和发送者驱动这两个常用策略基础上，提出了一个通用的基于混合驱动策略的动态负载平衡调度模型，并给出了曙光１０００并行机上的部分实验结果.     

基于分布式系统的有限元并行计算的研究

有限单元法是现代工程设计和分析的重要数值方法之一,但要对这些大型或超大型复杂结构进行有效的结构分析,需要有高性能的计算资源、有效的算法和先进的软件编制手段。Java多线程技术是构建并行系统的有效手段,文章基于分布式系统用Java多线程技术实现了一个有限元并行应用系统。