基于多核機群的混合群智能并行算法研究.pdf

1、群智能優(yōu)化算法是近年來新型的一種仿生類優(yōu)化算法,其中人工魚群算法(Artificial Fish Swarm Algorithm,AFS)和人工蜂群算法(Artificial Bee Colony Swarm Algorithm,ABC)是近幾年研究較多的兩種群智能優(yōu)化算法。因其魯棒性較強、參數(shù)設置簡單、易于實現(xiàn)等特點,在工程優(yōu)化、演化計算、電力系統(tǒng)、計算機和通訊等領域得到了廣泛的研究與應用,已成為交叉科學中較活躍的前沿性課題。

2、　　群智能算法作為一種新興的演化計算技術,在模擬動物采樣、收集食物的過程中采取不同方法來解決復雜問題。人工魚群算法與人工蜂群算法具有較強的全局搜索能力,但后期精細搜索能力較差,易陷入局部最優(yōu)。因此,首先引入反向?qū)W習機制,對初始化種群進行均勻分布,然后將種群隨機分為兩組,并使用交互學習策略加快算法收斂速度,算法前期采用AFS與ABC進行全局搜索,得到尋優(yōu)范圍;后期采用改進的DN-AFS和RP-ABC算法對前期得到的解進行局部精細搜索;最后

3、構建MPI+OpenMP+STM并行編程模型,對算法進行并行設計與分析。通過仿真實驗,證明提出的混合群智能并行算法的可行性和有效性。
　　本文的主要工作包括:
　　(1)針對人工魚群算法后期搜索能力減弱,種群多樣性減少,容易陷入局部最優(yōu),引入動態(tài)權衡因子策略,在尋優(yōu)過程中介入控制人工魚的步長與視野范圍,有效平衡全局尋優(yōu)方向;并通過常數(shù)閾值ε判斷魚群的聚集程度,適時引入小生境技術增加種群多樣性,提出在多核機群環(huán)境下的人工魚群并

4、行算法(PDN-AFS),仿真實驗證明算法尋優(yōu)能力有顯著的提高。
　　(2)通過分析人工蜂群算法的特點,得到算法在處理復雜函數(shù)優(yōu)化問題時收斂速度緩慢,較易陷入“早熟”,提出了一種人工蜂群并行算法(PRP-ABC),引入隨機攝動因子η和全局最優(yōu)解gbest兩個策略,得到新的食物源更新公式,應用OpenMP并行技術支持,優(yōu)化結果表明PRP-ABC有較高加速比。
　　(3)通過分析上述提出的兩種改進算法,結合AFS和ABC較強的全