超级计算机进化算法,差分进化算法的并行实现

摘要：

传统的并行计算任务往往由大型的并行计算机来完成,因而并行机的研究也就成为并行计算的主要研究方向。随着经济和科技的发展,生物医学、天气预报、高能物理等领域的计算任务越来越多,其特点是计算数据多、算法复杂、计算规模大、难度高。因此,计算机的可靠性和可用性变得越来越重要。尽管单台计算机的性能和可靠性越来越好,但是单台计算机难以完成某些现实要求。为此,人们想到用普通的PC机通过某种方式连接起来,形成一个高性能系统,这种系统叫做机群。机群不仅价格低廉,而且使用方便,对软件、硬件设备要求非常低,是替代昂贵的超级计算机的最好选择。机群技术就是将多台计算机组织起来协同工作,模拟一台功能更强大的计算机的技术,该技术能够提高系统可用性和可靠性。 差分进化算法是Storn R和Price K于1995年提出的,是一种简单而有效的新兴计算技术,但是从2000年开始才被各国的专家学者重视研究,并且已取得一些成果。算法简单、收敛速度快,稳定性高以及适合解决复杂的优化问题是其主要特点。但是算法也存在着许多待改进的地方,无论是理论上还是实践方面,差分进化算法目前来说都不是成熟的算法,所以很有必要研究,从而扩大算法的应用领域,用它解决更多的问题。 本文首先分析了并行计算、并行算法以及差分进化算法的研究现状,接着详细介绍了差分进化算法的原理,并对算法的相关问题,尤其是种群规模、变异算子、交叉算子对差分进化算法的影响做了较为系统的研究。搭建并行计算系统平台并实现差分进化算法的并行化是本文的重点,我们使用环形拓扑结构而不是总线型拓扑结构,这样,每个子群中的最优个体会依据拓扑结构移民到环中的下一个子群中,另外本文给出了差分进化算法的两个并行模型,并编程实现了第二个模型。实验结果表明,将差分进化算法并行化后,运行时间明显减少,运算性能也显著提高,子群中交流信息分配到不同结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敏感迁移常数的值。

展开