基于云环境的并行蚁群和遗传算法融合求解背包问题

本文提出一种基于云环境的并行的蚁群和遗传融合算法（PACGA）来求解背包问题。PACGA算法能够动态分配云资源，突破了传统的Master-Worker并行处理结构，无需依赖中心节点运行，拥有很好的可扩展性、容错性和强大的数据处理能力。算法对比实验证明，PACGA算法有效避免了PGA算法多核交互效率偏低和PGA算法后期容易陷入局部最优解的问题，充分利用了PGA算法前期的大规模搜索能力和PAC算法中期的快速收敛优势，并且在解决大规模问题时，其并行处理能力并不会因为核数的增加而迅速衰减。