文档库

最新最全的文档下载
当前位置:文档库 > 基于多核机群的人工鱼群并行算法

基于多核机群的人工鱼群并行算法

龙源期刊网 http://www.wendangku.net/doc/ec7fe3a77c1cfad6195fa7ec.html

基于多核机群的人工鱼群并行算法

作者:李双等

来源:《计算机应用》2013年第12期

摘要:针对人工鱼群算法在复杂多峰函数优化问题上寻优精度低、后期搜索能力减弱且运行时间长等问题,提出一种基于多核机群的人工鱼群并行算法(PDNAFS)首先对人工鱼群算法的优势与不足进行分析,采用动态权衡因子策略并适时引入小生境机制,提出一种新的人工鱼群(DNAFS)算法;然后根据多核机群的并行编程模型(MPI+OpenMP),对DNAFS算法进行并行设计与分析,提出基于多核机群的人工鱼群并行算法;最后在多核机群环境下进行仿真实验实验结果表明:该算法有效地提高了复杂多峰函数优化问题的收敛速度和寻优性能,并获得了较高的加速比

关键词:人工鱼群算法;动态权衡因子;小生境;并行算法; MPI+OpenMP

中图分类号:TP301.6; TP18 文献标志码:A

0引言

函数优化问题是在工程、数学中普遍存在的一类优化问题,传统的优化方法对目标函数要求苛刻且对于复杂多峰函数的优化有效性低人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)的提出,为多峰复杂函数的优化提供了一种有效手段该算法在搜索空间的问题上有一定的自适应能力[1],并且算法对初值的设定要求不高,初值随机产生或设定成固定值都可以

但是AFSA的寻优精度不高,算法在运行后期搜索速度慢,盲目性较大近年来许多学者对算法进行了不同方面的改进:文献[2]采用优胜劣汰策略筛选精英人工鱼群,以及对觅食行为进行

改进,结合模式搜索法提高了算法搜索最优解的精度;文献[3]提出了一种改进的人工鱼群算法,通过引入变异算子策略和消亡操作对部分个体进行重新初始化或变异,具有较好的优化性能,但是算法的收敛时间还有待提高;文献[4]提出了一种新的小生境人工鱼群(Niche Artificial Fish Swarm,NAFS)算法,通过引入小生境排挤机制来维持种群的多样性,提高了

算法的收敛精度,但是算法执行的随机性较强,使得算法后期搜索的稳定性较差;文献[5]提

出一种基于图形处理器(Graphic Processing Unit,GPU)加速的并行人工鱼群算法,通过人工鱼的个体寻优进行并行化设计,提高了算法的运行速度,但是人工鱼算法的随机化程度很高,从而产生了影响负载均衡的多分支问题目前的人工鱼群算法在获取问题的精确解以及运行时间上的能力相对较差,制约了人工鱼群算法的应用

为此,本文提出基于多核机群的人工鱼群并行算法,以解决大规模复杂多峰函数优化问题

1相关工作

1.1人工鱼群算法基本思想