并行混合免疫算法及其在布局设计中的应用

布局问题在理论上属于NPC问题,在工程实践上具有广泛的应用。为较好地求解该问题,以并行遗传算法(PGA)为基础,针对其早熟和收敛速度慢两大缺陷加以改进,提出了并行混合免疫算法(PHIA)。该算法将免疫思想加入遗传算法起到了双重作用,一是免疫选择可有效地防止早熟,二是通过基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化,并依自适应交叉和变异的概率值对子群体进行分类,与Powell法混合可更好地改善局部搜索性能。以卫星舱和印制电路板布局设计为背景的算例验证了该算法的可行性和有效性。

PHGA-COFFEE:多序列比对问题的并行混合遗传算法求解

设计了一个求解多序列比对问题的并行混合遗传算法(与之相应的软件称为PHGACOFFEE).该算法采用COFFEE函数作为个体的适应度函数,构造了六种遗传算子,特别是设计了两种新颖的变异算子,其中一种变异算子基于COFFEE的一致性信息设计,以改善算法的整体搜索能力.另一种变异算子基于动态规划方法设计,以增强其局部搜索能力.通过对BAliBASE中144个测试例的测试,证明该算法是有效的.与已有的算法相比,该算法对处于朦胧区和具有N/C末端延伸的序列比对问题有更强的问题求解能力.同时通过对算法并行化,其运行时间显著缩短.

一种混合并行算法及其在多相交直流混合电力系统中的应用

综合电力系统是典型的多相交直流混合电力系统,多由多相电机和电力电子设备构成。由于多相电机计算量大、端口数多,采用传统并行算法难以提高综合电力系统电磁暂态仿真效率,为此提出一种混合并行算法,该算法由元件级并行和网络级并行2部分组成。其中前者通过将计算量大的多相电机元件分拆为多个互相耦合的电机,以大幅减少单个元件的计算量和显著提高系统分区的灵活性;后者则利用元件级并行实现系统切分方案的优化设计和计算流程中等待时间的高效利用,从而显著提高网络并行计算的总体效率。典型综合电力系统算例的仿真结果验证了所提出算法的正确性和有效性。

分布式并行混合遗传算法在无功优化中的应用

将模拟退火算法与普通遗传算法结合,同时引入分布式MPI技术,实现了分布式的多种群算法。该算法用个体迁移策略来协调优化各个种群,用最优值恢复策略来稳定优化方向,并通过分布式计算的应用,有效地缩短了计算时间。通过运用IEEE14节点标准数据运算,证明了这种算法在电力系统无功优化计算中具有很高的稳定性和快速求解能力。

解家纺企业生产计划问题的并行混合遗传算法

为解决家纺企业的实际车间批量生产计划问题,提出了一个基于自然编码的混合遗传算法。此算法具有如下特点:一方面编码方式能有效地反映调度方案;另一方面对每子代得到的调度方案利用爬山算法对其进行了局部调整,大大加快了收敛速度。同时为了更好地适应调度实时性和解大型企业此类问题的需要,基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行混合遗传算法。计算结果表明,此算法是有效的,有着较高的并行性,并能适用于解大型此类企业车间批量生产计划问题,在实际应用中有着较广阔地应用前景。

多核集群系统下的混合并行遗传算法研究

为应对传统遗传算法在处理大规模组合优化问题面临的进化速度缓慢,难以达到实时要求的严峻挑战,提出了一种在多核PC集群系统上实现"粗粒度-主从式"混合并行遗传算法的模型:通过把"粗粒度-主从式"并行遗传算法映射到多核PC集群上,结合消息传递和共享存储两种并行编程模型,在节点间使用消息传递模型(MPI),对应的遗传算法为粗粒度并行遗传算法,在节点内使用共享存储模型(OpenMP),对应的遗传算法为主从式并行遗传算法,用MPI和OpenMP混合编程的方式以进程和线程两级并行在多核集群上实现具体的混合并行遗传算法。理论分析和实验结果表明,提出的实现模型有较好的性能,可大大改进传统遗传算法的缺陷。为利用并行遗传算法在普通多核PC集群上处理大规模组合优化问题提出了一种有效、可行的解决方案。

并行混合遗传算法在深度像配准中的应用研究

实现了基于并行混合遗传算法的深度像精确配准,并比较了四种不同测度下算法的收敛速度和配准精度。根据进程数将种群划分为相应数量的子种群,每一个进程维护一个子种群的交叉、变异和选择,并通过采用环状的最优个体迁移策略和退火选择算子,实现了基于粗粒度并行混合遗传算法的深度像精确配准。此外,还比较了点对均值、中值、点面距离以及表面间平均体积四种测度下算法的性能和优劣。实验结果表明,并行计算技术的应用能够有效加速遗传算法的收敛,减少算法的运行时间。

基于混合并行遗传算法和阈值限定法的基因调控网络构建

为了解决传统基因调控网络构建算法准确度不高的问题,提出了一种基于混合并行遗传算法和阈值限定法的新型基因调控网络构建算法。该算法分缩小解空间和参数拟合两部分,缩小解空间阶段先用奇异值分解法限定数学上可行的基因调控网络,减少不必要计算,然后用阈值限定法将每个基因的控制基因限定到一定规模,提高计算效率的同时更合乎生物信息学规则。参数拟合部分先用并行遗传算法在整个解空间快速寻优,而后采用爬山法进行小范围细致求解,提高计算精度。实验部分将本文算法应用于人类复杂疾病的皮肤黑色素瘤和2型糖尿病基因调控网络的构建上。本文计算结果与真实网络作对比,验证了本文算法的有效性。同时将本文计算结果与传统遗传算法,粒子群算法进行比较,证明本文算法具有更高的执行效率。

一种并行的正序变异的混合PSO算法研究与应用

为有效解决粒子群算法在求解路网问题时易陷入局部最优的缺点,根据高校地理数据和多核系统并行处理方式,将自平衡策略和变异思想结合且并行化,提出一种并行求解高校路网问题的正序变异的混合PSO算法。该算法引入适合此问题的自平衡正序变异策略且采用并行处理方式,使其生成相互独立子群体且并行求解,来提高算法求解精度,保证算法多样性及收敛,降低计算时间。实验以Visual Studio 2005中C++编程实现仿真,结果表明此算法不但能有效求解高校路网问题,而且比离散PSO算法、并行自平衡PSO算法的解更优。

一种基于粗粒度—主从式的混合并行遗传算法

为了解决串行遗传算法的收敛速度和早熟问题 ,人们开始研究遗传算法的并行执行 ,并取得了很好的结果。本文提出了一种基于分布式集群环境的层次结构 (粗粒度—主从式 )的并行遗传算法—混合并行遗传算法。仿真表明 ,采用混合并行遗传算法可以有效的提高优化的速度和解的精度。

求解二维波动方程初边值问题的显隐混合校正并行算法

提出了一种基于区域分解法的显隐混合校正并行算法.通过对二维波动方程的数值试验,发现该算法具有无条件稳定性,其数值计算结果与整个区域上采用隐格式的计算结果相当,计算精度明显好于Kuznetson算法和改进的Kuznetson算法,计算时间也比Kuznetson算法和改进的Kuznetson算法的时间少,且小于隐格式计算时间的一半.

端接复杂电路传输线网络的电磁耦合时域并行计算方法

针对端接复杂电路传输线(TL)网络的电磁耦合问题,仍缺乏高效的场路协同仿真技术。该文将传输线方程与时域有限差分(FDTD)方法、诺顿定理和置换定理以及NGSPICE软件相结合,并引入消息传递接口(MPI)并行技术,提出一种高效的时域混合并行算法(FDTDTL-NGSPICE)。首先,根据诺顿定理和置换定理,将传输线网络分解为传输线子系统和复杂电路子系统,并构建对应的等效电路模型。然后,使用FDTDTL并行算法计算传输线子系统沿线各点的电压和电流,并获取对应诺顿等效电路的电流源和等效导纳大小。最后,使用NGSPICE对复杂电路子系统进行传导干扰分析,获得复杂电路各元件上的瞬态响应,并将端口电压反馈给传输线子系统作为边界,实现传输线网络电磁耦合的场线路联合协同仿真。通过对3类典型场景的计算实例,分别使用时域混合并行算法和电磁仿真软件CST电缆工作室(CS)进行数值模拟并对比,验证所提算法的置信度。

应用混合伪并行遗传算法优化BLDCM的转速控制器

本文以永磁无刷直流电动机(BLDCM)的调速系统作为研究对象,应用混合伪并行遗传算法(MPPGA)对其转速控制器进行了优化设计,该算法针对常规遗传算法搜索效率低和早熟收敛的缺点,通过将最速下降法与伪并行遗传算法相组合形成了一种全局优化算法,并使用MATLAB软件对优化前后的系统进行了动态跟随性能和抗扰性能的对比仿真实验,实验结果表明采用该算法确能优化调速系统的性能。

量子动态交叉正余弦混合并行算法的路径规划

为提高复杂环境下移动机器人路径规划的求解精度和寻优效率,提出了量子动态交叉正余弦混合并行算法。该算法采用量子位Bloch球面初始化种群,提升算法初始搜索精度与效率;嵌入动态交叉边界因子实现种群实时动态分级调整,采用混合并行分级精细策略对种群位置动态更新;引入逐维随机反向学习和退火混合搜索策略对算法个体进行扰动,以平衡算法的全局探索与局部开发能力。测试函数和路径规划实验结果表明,所提出的算法整体寻优能力优于其他算法,具有较强的稳定性和鲁棒性,可高效地解决复杂环境中的移动机器人最优路径规划问题。

基于申威众核处理器的混合并行遗传算法

传统遗传算法求解计算密集型任务时,适应度函数的执行时间增加相当快,致使当种群规模或者进化代数增大时,算法的收敛速度非常缓慢。基于此,设计了"粗粒度-主从式"混合式并行遗传算法(HBPGA),并在目前TOP500上排名第一的超级计算机神威"太湖之光"平台上实现。该算法模型采用两级并行架构,结合了MPI和Athread两种编程模型,与传统在单核或者一级并行构架的多核集群上实现的遗传算法相比,在申威众核处理器上实现了二级并行,并得到了更好的性能和更高的加速比。实验中,当从核数为16×64时,最大加速比达到544,从核加速比超过31。

基于并行混沌遗传混合算法的多用户检测

基于传统遗传算法的多用户检测器易陷入局部最优解且收敛较慢,影响实时性。本文利用混沌优化算法的优势来弥补遗传算法的这一缺陷,使两种算法优势互补,同时采用具有“迁移策略”的并行搜索机制,提出了一种新的次优多用户检测方法———并行混沌遗传混合算法(PCGA),并在同步CDMA系统中对其性能进行了研究。仿真结果表明,我们提出的这种算法能有效克服传统遗传算法易陷入局部极小的问题,计算量小,收敛速度快,在抗干扰与克服“远-近”效应方面均有明显的优势。

基于混合伪并行遗传算法的BLDCM转速控制系统的优化设计

本文以无刷直流电动机作为被控对象,运用混合伪并行遗传算法（MPPGA）对其转速控制器的PI参数进行了优化设计,该算法针对常规遗传算法搜索效率低和早熟收敛的缺点,通过将最速下降法与伪并行遗传算法相组合形成了一种全局优化算法,并使用MATLAB 6.5软件进行了动态跟随性能的仿真实验,实验结果表明采用该算法确能优化调速系统的性能。

基于最优保存并行混合遗传算法的直接盲信号检测

针对现有的盲均衡遗传算法适应度函数构造复杂,辨识信道结构简单,只能在连续空间搜索的问题,本文借助接收数据阵补投影算子对待测发送序列向量的零化作用,把信号盲检测问题转化为整数约束下的二次规划问题,提出了基于最优保存并行混合遗传算法的直接盲信号检测的方法。本文所用遗传算法的特点是:适应度函数是针对被检测序列直接构造的,编码空间与遗传空间一致,搜索是离散、有限的,最优保存策略保证算法每一步搜索能够保存最佳基因。仿真结果表明,该算法收敛速度快,性能稳定。

基于PRAM模型的集群计算机混合并行算法设计

为提高集群计算机混合并行计算能力,需对集群计算机混合大数据特征样本集进行优化聚类处理,提出一种基于PRAM模型的集群计算机混合并行算法。采用分块融合匹配方法进行集群计算机混合大数据特征样本线性规划处理,提取集群计算机混合大数据特征样本的统计平均特征量,结合匹配滤波检测方法进行集群计算机混合大数据特征样本集的统计分析,构建海量集群计算机混合数据序列,采用增量式支持向量机学习分类器进行数据分类,结合PRAM模型识别方法进行聚类中心自动搜索,实现集群计算机混合并行计算,提高数据聚类和并行计算的收敛性。仿真结果表明,采用该方法进行集群计算机混合并行计算的特征聚类性较高,大大减少时间开销和内存消耗,提高大数据分类检索能力。

解非等同并行多机调度问题的并行遗传算法

针对最小化完工时间的非等同并行多机调度一类问题,提出了一种混合遗传算法。该算法根据问题的特点,采用一种自然编码方案,此编码与调度方案一一对应,并对初始种群、交叉和变异等方法进行了研究。在鉴于遗传算法自然的并行性特点的基础上,实现了主从式控制网络模式下并行混合遗传算法。计算结果表明,并行混合遗传算法是有效的,优于启发式算法和遗传算法,有着较高的并行性,能适用于大规模非等同并行多机调度问题。