基于Internet的并行遗传算法及其关键实现技术

为解决大规模复杂优化问题,针对遗传算法的并行化原理和常用运行平台进行分析,提出了并行遗传算法新的应用平台———Internet,讨论了基于Internet的并行遗传算法(Internet basedparallelgeneticalgorithms,IPGA)实现中的关键问题,并给出其单向环拓扑的具体实现。实验表明,IPGA可显著节约寻优时间,提高寻优质量,并且能够充分利用互联网中闲置的计算机资源,节约运行成本,有助于解决巨量优化问题。     

用遗传算法解决并行多机调度问题

对最小化完工时间的并行多机调度问题提出了一种遗传算法,并在问题形成、遗传算法编码、变异方法等方面作了研究,并用计算实例表明遗传算法能适用于大规模并行多机调度问题。     

基于MPI的主从式并行遗传算法框架

遗传算法是一种求解复杂系统优化问题的有效工具．其本身具有的固有并行性，在并行系统构架下有着非常广阔的应用前景。本文对D．L．Carroll的“遗传算法驱动”进行了改进，加入对当前通用消息传递接口MPI的支持，形成了一个可重用的主从式并行遗传算法框架。并且，针对该框架使用通用遗传算法测试函数，在由两台双至强处理器的工作站组成的COW集群上进行了测试。该框架使不具有并行程序设计经验的用户，可以很方便的构造并行遗传算法程序。     

基于自然数编码遗传算法的并行测试技术

针对并行测试任务调度复杂、难以优化的问题,提出了一种基于自然数遗传算法的任务调度优化算法。该算法将并行测试任务调度转化为对串行测试任务序列的搜索,为了提高搜索效率,引进自然数编码遗传算法搜索最优解或近似最优解,将串行测试序列作为染色体,进行选择、交叉、变异等操作。通过仿真证明该算法能够迅速得到并行测试任务调度的最优解或近似最优解。对自然数编码遗传算法的各个算子对模式的作用进行了理论分析,并得到了对应的模式定理,从理论上说明了该方法的合理性。     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

带软时间窗物流配送车辆路径问题的并行遗传算法

针对一般遗传算法在求解有时间窗车辆路径问题时初始种群的单一性,提出一种新的算法.该算法对不同的种群用不同的初始化方法--随机初始化法和构造初始化法,这种算法改变了过去那种种群内部的平衡.并将该算法所得结果与其他算法进行比较,表明该算法的合理性.     

基于正交试验和元胞自动机模型的加速并行遗传算法

针对标准遗传算法中存在早熟收敛、后期收敛速度慢以及解精度低的问题,结合正交试验设计和元胞自动机模型,提出了一种改进的加速并行遗传算法(APGA)。APGA利用正交试验设计确定较好的初始种群,利用元胞自动机模型固有的并行计算能力设计并行遗传算法,借助元胞信息的动态性和多元性实现正交加速过程。仿真结果表明,APGA能够有效地防止早熟收敛,可以极大地提高遗传算法的搜索效率和解的精度。     

无定向拓扑连接的并行遗传算法及其变异算子改进

为解决巨量优化问题,在Internet平台下为并行遗传算法提出一个新的拓扑结构———无定向拓扑连接。该拓扑连接既允许驻留子种群的计算机节点中途退出,又允许新的计算机节点随时参与进化,增强了算法的鲁棒性和容错性能。针对传统浮点变异算子的不足,提出一种新的二元浮点补码变异算子,讨论了它在克服早熟收敛方面的作用。实验表明,提出的算法能显著提高寻优质量,节约寻优时间;新的变异算子能有效阻止遗传算法陷入局部极值,进一步提高了遗传算法的寻优能力。     

一种求解带资源约束的并行机器多目标调度问题的遗传算法

探讨了双目标下,带一种资源约束的,工件成类别的并行机器调度问题.针对该问题,提出了一种遗传算法.该算法采用了两两竞赛的选择算子、聚集度、违约度来处理多目标约束优化.通过随机订单的测试,计算结果显示:对于各个单目标值,该算法比修正的EDD、LPT、SPT能改善3%~37%.     

并行测试中死锁避免的设计与仿真

设计了一个双通道运算放大器芯片SD358D的并行测试仿真实例。实例中应用USB数据采集卡和HPVEE软件组成的虚拟仪器对两路放大器的三个指标进行并行测试。由于两个测试任务共享仪器资源,容易发生死锁。为了解决并行测试中的死锁问题,首先为并行测试建立Petri网模型,模型中的变迁发射序列与系统任务调度路径一一对应,利用遗传算法搜索模型中无死锁的序列,然后控制系统按照这些无死锁的路径调度测试任务,就可以有效避免死锁的发生。最后通过实验结果,验证了该方法的正确性。     

用于柔性流程工业生产调度的并行多目标遗传算法

分析了柔性流程工业区别于一般制造系统在生产调度方面的特点 ,在此基础上针对这类系统所具有的多目标、混合动力学特性、调度实时性等特征 ,提出了一种新的并行多目标遗传算法 .在解决多目标解的评价时 ,采用了目标分级评价技术 ,求解过程始终将解的最优性和决策者对目标的偏好信息结合在一起 .为反映这类问题的混合特性 ,提出了一种新的双层编码方案 .在算法中采用的递阶分解并行技术 ,使计算时间至少减少一个数量级 .计算机仿真结果表明 ,对于这一类复杂的柔性流程工业生产调度优化问题 ,本文提出的方法具有很好的实际应用前景 .     

具有同时集送货需求的车辆路径问题的粗粒度并行遗传算法

设计了求解VRPSDP的粗粒度并行遗传算法(CGPGA),其中遗传算法以最优划分法计算适应值,邻域搜索法作为变异算子,定义了群体多样性结构.并行算法以单向环作为连接拓扑,各子群体独立进行遗传操作,迁移算子用于群体间的信息交流,采用多样性替换的方法进行个体替换.论文给出了CGPGA算法在集群系统上的重复非阻塞MPI实现.对典型VRPSDP实例进行测试的结果表明:CGPGA算法在大部分实例上超过了已知最好解,未达到已知最好解的实例与已知最好解的相对误差不超过1.5%.在计算速度方面,CGPGA算法具有接近线性甚至超线性的加速比,提高了遗传算法的求解速度.     

解家纺企业生产计划问题的并行混合遗传算法

为解决家纺企业的实际车间批量生产计划问题，提出了一个基于自然编码的混合遗传算法。此算法具有如下特点：一方面编码方式能有效地反映调度方案；另一方面对每子代得到的调度方案利用爬山算法对其进行了局部调整，大大加快了收敛速度。同时为了更好地适应调度实时性和解大型企业此类问题的需要，基于遗传算法自然并行性特点的基础上，实现了主从式控制网络模式下并行混合遗传算法。计算结果表明，此算法是有效的，有着较高的并行性，并能适用于解大型此类企业车间批量生产计划问题，在实际应用中有着较广阔地应用前景。     

并行多机加权成套订单数极大化的混合遗传算法

从实际应用出发,提出了在相同的并行机上加权成套订单数极大化的排序问题,建立了该问题的整数规划模型,并设计了一种有效的混合遗传算法.还通过一个算例对这类排序问题和所提出的算法进行了说明,计算结果表明了该算法的有效性.     

三维水声传播建模及并行算法研究

宽带声传播、匹配场定位、水下环境仿真等技术的发展对水声传播提出了越来越高的要求,如何开发快速准确并与实际海洋环境条件相吻合的三维声传播模型,并充分利用现代计算机技术实现声传播的快速计算已成为水声技术的一个重要研究方向。基于波束位移射线简正波(BDRM)理论,将射线-简正波方法和简正波-抛物方程方法结合起来,建立三维射线-简正波-抛物方程模型,同时为满足三维声场计算的时间需求,设计了射线-简正波-抛物方程模型并行算法,在高性能集群系统上的测试分析结果表明,设计的并行算法具有较高的并行计算效率。     

并行遗传算法在无线通讯网基站优化选址中的应用

为利用最少的基站数实现规定的服务质量 ,对无线通信网的基站位置进行优化 ,是一个 NP难题 .针对一个区域 ,提出了在 k个备选的位置中选择合适组合的粗粒度并行遗传算法 ,在不提高成本的同时 ,优化网络的覆盖率 .不但提出了一种高效的局部搜索算子 ,而且比较了子群体连接拓扑对优化质量的影响 .仿真证明 ,优化效果超过了已有的算法 .