并行人工蜂群算法的研究與應(yīng)用.pdf

1、群體智能優(yōu)化算法屬于隨機(jī)搜索算法的一種，由于其可以解決傳統(tǒng)優(yōu)化技術(shù)無法解決的優(yōu)化問題，因此受到眾多專家學(xué)者們的青睞。人工蜂群算法是新興的群體智能優(yōu)化算法，算法主要模擬自然界中蜂群覓食的行為機(jī)制來獲取問題的最優(yōu)解。由于人工蜂群算法具有設(shè)置參數(shù)少、計(jì)算簡(jiǎn)單、并行性好、魯棒性強(qiáng)等優(yōu)點(diǎn)，在處理優(yōu)化問題時(shí)有著良好的優(yōu)化效果，吸引國(guó)內(nèi)外眾多專家學(xué)者們進(jìn)行了大量研究。
　　雖然人工蜂群算法處理優(yōu)化問題時(shí)有諸多優(yōu)點(diǎn)，但是算法仍然存在著易陷入局部最

2、優(yōu)解、過早收斂等問題。特別是人工蜂群算法在處理復(fù)雜高維度優(yōu)化和大規(guī)模優(yōu)化問題時(shí)，超長(zhǎng)的算法運(yùn)行時(shí)間難以接受。因此，為解決這些問題，很多研究學(xué)者著手研究人工蜂群算法的并行化算法，即通過并行化人工蜂群算法來提高算法的運(yùn)行效率和優(yōu)化精度是非常有必要的。人工蜂群算法的并行化可以用多種并行化方法來實(shí)現(xiàn)，目前國(guó)內(nèi)外學(xué)者主要采用多集群MPI(Message Passing Interface)技術(shù)或者采用單機(jī)Java多線程技術(shù)來實(shí)現(xiàn)粗粒度的并行人工蜂

3、群算法。研究表明，在處理高維度優(yōu)化問題時(shí)，人工蜂群算法的時(shí)間主要消耗在計(jì)算適應(yīng)度函數(shù)上，這是研究人工蜂群算法并行化技術(shù)的研究重點(diǎn)和難點(diǎn)。因此，本文在探討了并行化技術(shù)后，利用OpenMP(Open Multi-Processing)多線程技術(shù)和規(guī)約機(jī)制，并結(jié)合已改進(jìn)的觀察蜂選擇雇傭蜂的方式，提出了一種PCABC(Parallel Changed-in-selection-mode Artificial Bee Colony algorit

4、hm)算法來解決這一難題。PCABC算法采用主從并行模型和共享內(nèi)存的OpenMP方法，對(duì)計(jì)算耗時(shí)的適應(yīng)度函數(shù)部分做并行處理，減少算法在處理高維度優(yōu)化問題時(shí)的處理時(shí)間。本文實(shí)驗(yàn)部分在三種不同的調(diào)度方式下進(jìn)行，分別對(duì)標(biāo)準(zhǔn)人工蜂群算法和并行化人工蜂群算法進(jìn)行仿真測(cè)試。實(shí)驗(yàn)結(jié)果表明，對(duì)人工蜂群算法適應(yīng)度函數(shù)進(jìn)行并行化改造的PCABC算法可以減少算法在處理高維度優(yōu)化問題時(shí)的處理時(shí)間，加快算法的收斂速度，達(dá)到了預(yù)期目標(biāo)。
　　在證明PCABC

5、并行人工蜂群算法的有效性之后，本文將其應(yīng)用到解決高維函數(shù)優(yōu)化問題和流域水文模型參數(shù)優(yōu)化問題上。參數(shù)優(yōu)化對(duì)水文模型整體性能和水文預(yù)報(bào)結(jié)果有著至關(guān)重要的影響。模型參數(shù)優(yōu)化中存在大量的計(jì)算密集型任務(wù)，需要耗費(fèi)大量的CPU處理時(shí)間，從而導(dǎo)致模型運(yùn)行效率低下。因此，本文將PCABC算法應(yīng)用于新安江二水源模型來優(yōu)化率定水文模型。實(shí)驗(yàn)結(jié)果表明，PCABC算法能夠有效提高水文模型的參數(shù)優(yōu)化效率和精度，同時(shí)具有并行成本低廉、實(shí)現(xiàn)過程簡(jiǎn)單等優(yōu)點(diǎn)。PCABC