并行遗传算法的新进展

并行遗传算法将并行计算机的高速并行性和遗传算法固有的并行性相结合 ,极大地提升了遗传算法的求解速度和质量 .在主从式、细粒度和粗粒度这三类遗传算法并行化模型中 ,粗粒度模型以其较小的通讯开销和对种群多样化 ,获得了最广泛的应用 .本文概括了基于模式定理和有限状态马尔可夫链的遗传算法理论 ,总结了前人在粗粒度模型下开展的理论分析和实践应用 ,并指出并行遗传算法的研究将向异步化 ,理论化和模型化的方向发展 ,而有限状态马尔可夫链是构建并行遗传算法可执行模型的有力工具.     

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。     

特定并行处理机上MUSIC算法的并行实现

用自行研制的一台使用4片TMS320C40,且利用共享内存作为主要通讯手段的数字信号高速并行处理机实现了MUSIC算法的高速并行计算。实验证明,所提出的并行算法稳定、有效,MUSIC算法的并行计算取得了较好的结果。     

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。     

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.     

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。     

并行遗传算法在一类计算机网络可靠性优化问题中的应用

对于成本约束下的网络可靠性优化这一个 NP难题 ,针对已知的网络拓扑结构 ,提出了在 k种交换设备和 m种传输介质中选择合适的设备组合方案的粗粒度并行遗传算法 ,在满足成本预算的同时 ,优化网络的可用性 .仿真结果表明 ,对比传统的串行遗传算法 ,粗粒度并行遗传算法不但加速比高 ,而且能有效地提高优化质量.     

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.     

基于并行的快速碰撞检测算法

提出了一中基于并行的快速碰测算法。该算法面向动态复杂场景采用层次的自适应空间剖分方法建构物体的平衡包围盒树,然后通过并行遍历包围盒树来加速碰撞检测,算法属于ＭＤＭＤ同步并行算法,采用多线程技术实现,在单处理机和处理机上均能运行。     

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 .     

采用并行协同进化遗传算法的文本特征选择

现有的文本特征选择方法都是串行化的, 应用于海量文本数据集时时间效率较低, 因此利用并行思想来提高文本特征选择的效率, 已成为文本挖掘领域的一个研究热点. 本文将 遗传算法和并行协同进化算法结合起来, 在粗糙集的基础上设计了一个并行协同进化遗传算法 并将该算法用于文本特征选择. 该方法采用遗传算法搜索特征, 利用并行协同进化算法来提高 时间效率, 从而较快地获得较具代表性的特征子集. 实验结果表明该方法是有效的.     

初值问题数值积分的并行化方法

本文综述初值问题数值积分的并行化方法的一些结果。讨论的内容包括刚性和非刚性常微分方程组的方法分割的并行化方法以及这些并行算法的构造和分析，也涉及时间分割的并行化方法。考虑各种可能的并行化途径。     

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 .     

同步异构并行多机系统的编译技术

本文讨论具有同步异构多机体系结构的全数字仿真计算机（如ＹＨ—Ｆ２）的实时仿真语言的编译技术。即讨论如何变多机系统为虚拟的单机系统，如何使用上下文有关文法来定义算术、逻辑表达式，以及如何使用自动机理论来进行语法分析和语法制导翻译。     

高速并行多处理器系统原理及方案

当前,计算机应用领域对计算机的运算处理速度要求越来越高,而提高单机系统的处理能力是有限的,同时系统成本也会很高。因此并行处理技术成为解决这一矛盾的有效方法之一。并行处理系统从硬件角度采看,基本可分为两类;基于低信道容量网络的多计算机系统。这类系统多用于各结点信息藕合比较小、实时性要求不高的松散藕合系统。另一类即是紧藕合的多处理器系统。本文介绍一种已工程实用化了的紧藕合实时多处理器系统。该系统为研究多处理系统的并行算法、任务的实时划分、调度管理等关键技术提供了一个良好的硬件平台及软件环境,该系统可广泛用于要求迭代速率非常高的实时控制与实时仿真系统。     

MUSIC空间谱估计并行运算算法

针对多重信号分类(multiple signal classification, MUSIC)算法计算量大不适于实时处理的问题,提出了一种并行处理方案。首先,根据协方差矩阵的Hermite特性简化其构造过程;再通过实值化预处理,将后续运算转换到实数域,通过Householder变换将协方差矩阵简化为三对角矩阵,对三对角矩阵进行QR分解得到特征值和特征向量用于谱峰搜索|最后,各个阶段都适于采用多处理器并行处理。通过理论分析和仿真,验证了该方法在对MUSIC算法性能影响不大的前提下能大大减小运算量,提高算法处理速度,为MUSIC算法的高效化实现提供了一定的理论基础。     

用于神经网络仿真的模块化并行计算机研究

本文首先介绍了由四个ＴＭＳ３２０Ｃ３０专用ＤＳＰ芯片组成的、带有四端口共享存储器的神经网络仿真模块，然后探讨了它的扩展问题并给出了由此类模块扩展而成的系统结构，最后进行了性能分析。     

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。     

一类并行块隐式方法

本文针对多处理机系统构造了一类并行块隐式方法。具体地给出了此类方法的一个具有两个进程和二阶精度的并行计算公式,并证明了该计算公式具有A稳定性,数值结果表明该计算公式对求解刚性常微分方程是有效的。