粗粒度并行遗传算法 c语言,基于大值堆自调整粗粒度并行遗传算法模型.PDF

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