维普资讯
第 17卷.第 l0期 计 算机 技术 与发 展 vo1.17 No。10
2007年 10月 CoⅣ UTERTECHNOLOGYANDDEVEL1)】)^但NT Oct. 2007
基于大值堆的自调整粗粒度并行遗传算法模型
滕 腾,李龙澍
(安徽大学计算机科学与技术学院,安徽 合肥 230039;
安徽大学计算智能与信号处理教育部重点实验室,安徽 合肥 230039)
摘 要: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。
关键词:并行遗传算法;CGGA;通信代价;堆模型
中图分类号 :TP18 文献标识码:A 文章编号:1673—629X(2007)10—0105—04
ASelf—AdjustCGGAModelBasedonMax—Heap
TENGTeng,LILong-shu
(SchoolofComputerScienceandTechnology,AnhuiUniversity,Hefei230039,China;
MinistryofEducationKeyLab.ofIC& SPatAnhuiUniversity,Hefei230039,China)
Abstract:Commoncgmrse—grainedgeneticalgorithm(CGGA)hasbeencriticizedformanyr~son$.Inthispaper,focusoncommunication
costs。gaintheideafrom areaturespecicespyramidstructureandsuggestaheapmodellimitde undertwovalvesexpecttosignifiacntlyr ·
ducethecommun icationec~tsbetweentwogroups.Theexpectationofmigrationec~tsandexperimentontypicalGA testfunctionsinthe
lastpartofthisessayallverifythatthismodelcouldgraetlydecreasetheCostofcommuniactionnadacceleratetheocnvergencespeed.
Keywords:parallelgeneticalgorithm;CGGA;ocmmunicatino cc6t;haepmodel
O 引 言 化过程本身就是一个并行过程,而遗传算法是人们对
遗传算法(GeneticAlgorithm,GA)是 1975年由美 自然进化过程的机器模拟,其本质上就继承了自然进
国Michigan大学教授J.H.Holland提出的借鉴大自然 化所固有的并行性。
物竞天演、优胜劣汰的自然选择和遗传机理的人工智 目前典型的并行遗传算法 (PGA)主要有:(1)全局
能技术 J,其本质是一种求解问题的高效并行全局搜 单群体主从式 PGA(见图 1);(2)全局单群体细粒度
索方法。它能在搜索过程中自动获取和积累