分布式并行蟻群算法的設(shè)計與分析.pdf

1、對于類似TSP的NP難規(guī)劃問題，以及一些模型復(fù)雜、解空間巨大的復(fù)雜大系統(tǒng)動態(tài)優(yōu)化問題，智能優(yōu)化算法成為最有希望的、有時甚至是唯一可用的求解手段。然而智能優(yōu)化算法一直由于需要大量計算和存儲資源，在一些動態(tài)優(yōu)化和大規(guī)模優(yōu)化等應(yīng)用場合受到很大限制。計算技術(shù)發(fā)展至今，單個處理機(jī)的計算能力逐漸到達(dá)瓶頸，采用基于網(wǎng)絡(luò)連接的分布式并行計算系統(tǒng)求解復(fù)雜大系統(tǒng)動態(tài)優(yōu)化問題成為當(dāng)今的研究熱點(diǎn)。 本論文深入研究并行計算理論，并在此基礎(chǔ)上設(shè)計出適應(yīng)大規(guī)

2、模復(fù)雜優(yōu)化問題的分布式并行AC0算法。 具體的研究成果有以下幾點(diǎn)： (1)基于LogP模型設(shè)計了一個分布式并行計算環(huán)境的串行仿真系統(tǒng)。該仿真系統(tǒng)采用LogP模型抽象并屏蔽了計算與通信設(shè)備中與并行算法性能瓶頸無關(guān)的具體底層細(xì)節(jié)，同時還運(yùn)用計算獨(dú)立于網(wǎng)絡(luò)通信平臺的思想設(shè)計體系結(jié)構(gòu)，不僅可以方便地實現(xiàn)各種并行算法，還可以在不同物理設(shè)備和網(wǎng)絡(luò)平臺上測試分析并行算法的可移植性、擴(kuò)展性等性能。 (2)提出了一種求解復(fù)雜多階段

3、決策問題的分布式并行ACO算法的設(shè)計方法。通過將大規(guī)模復(fù)雜系統(tǒng)動態(tài)優(yōu)化問題轉(zhuǎn)換為復(fù)雜多階段決策問題，可一致地將其解空間映射為ACO算法的層狀解構(gòu)造圖。再將層次解構(gòu)造圖按層數(shù)均勻分配給各個計算節(jié)點(diǎn)，使全局解構(gòu)造圖分布存儲于各個計算節(jié)點(diǎn)上。運(yùn)用移動Agent技術(shù)實現(xiàn)螞蟻在各個計算節(jié)點(diǎn)間的遷移以完成在整個解構(gòu)造圖上的路徑搜索，并將最終搜索到的路徑及相應(yīng)的信息素廣播給各個汁算節(jié)點(diǎn)以更新其本地的解構(gòu)造圖信息素。該并行設(shè)計方法將螞蟻每步的解構(gòu)造塊評

4、價和更新解構(gòu)造圖信息素的計算都分配到各個計算節(jié)點(diǎn)來實現(xiàn)，比現(xiàn)有的并行ACO算法更好地解決了計算需求分配的均衡性和全局解構(gòu)造圖信息素的更新等問題。 (3)提出了一種分析并行智能優(yōu)化算法的pesM模型。通過將智能優(yōu)化算法抽象概括為生成候選解、評價候選解和學(xué)習(xí)解空間知識三個主要步驟，提出以生成一個候選解的計算時間p，評價一個候選解的計算時間P，學(xué)習(xí)一次解空間知識的計算時間s以及生成的候選解總數(shù)M等四個參數(shù)組成的pesM并行智能優(yōu)化算法