基于多核機(jī)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(qiáng)、參數(shù)設(shè)置簡單、易于實(shí)現(xiàn)等特點(diǎn),在工程優(yōu)化、演化計(jì)算、電力系統(tǒng)、計(jì)算機(jī)和通訊等領(lǐng)域得到了廣泛的研究與應(yīng)用,已成為交叉科學(xué)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(jì)算技術(shù),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(fù)雜問題。人工魚群算法與人工蜂群算法具有較強(qiáng)的全局搜索能力,但后期精細(xì)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(xí)機(jī)制,對初始化種群進(jìn)行均勻分布,然后將種群隨機(jī)分為兩組,并使用交互學(xué)習(xí)策略加快算法收斂速度,算法前期采用AFS與ABC進(jìn)行全局搜索,得到尋優(yōu)范圍;后期采用改進(jìn)的DN-AFS和RP-ABC算法對前期得到的解進(jìn)行局部精細(xì)搜索;最后

3、構(gòu)建MPI+OpenMP+STM并行編程模型,對算法進(jìn)行并行設(shè)計(jì)與分析。通過仿真實(shí)驗(yàn),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(quán)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(shù)增加種群多樣性,提出在多核機(jī)群環(huán)境下的人工魚群并

4、行算法(PDN-AFS),仿真實(shí)驗(yàn)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(diǎn),得到算法在處理復(fù)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(jī)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(yīng)用OpenMP并行技術(shù)支持,優(yōu)化結(jié)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(jìn)算法,結(jié)合AFS和ABC較強(qiáng)的全