基于思维进化与空间分解并行演化算法研究

在分析已有的演化计算并行化实现策略的基础上,构造一种基于思维进化与空间分解并行策略的演化算法(MLSP-PEA)。将思维进化与空间分解技术相结合,采用趋同与异化操作,获得了较好的解精度以及可扩展性。自强3000上的实验结果表明,在处理多维函数优化问题时,MLSP-PEA与基于空间分解并行策略的演化算法(SP-PEA)相比具有更好的解精度以及更快的收敛速度。

基于空间分解并行策略的演化算法研究

在分析已有的演化算法并行化实现策略的基础上,基于自强3000高性能计算机,设计实现了一种基于空间分解并行策略的演化算法(SP-PEA)。SP-PEA采用可分解/可拼接编码方式,使用了多种杂交和变异算子,获得了较好的收敛性能和可扩展性。在自强3000上的试验结果表明,SP-PEA在处理多维函数优化问题时与基于群体分组并行策略的演化算法相比有较好的收敛性能,能够以更快的速度收敛到最优解。

一种面向网格的二级并行计算模型研究与实现

提出一种面向网格的基于消息通信方式的二级计算模型以求解问题。将二级模型与思维进化机器学习以及空间分解技术相结合(思维进化与空间分解并行演化计算-PMEBML-SP),采用多种通信模型实现处理器间负载均衡、支持网格动态资源分配等功能,最后在上海高校网格E网格计算应用平台上实例验证。