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。

基于快速非支配排序遗传算法的阻尼器多目标优化布置

将快速非支配排序遗传算法(NSGA-Ⅱ)和并行遗传算法相结合,提出内嵌NSGA-Ⅱ的粗粒度-主从式并行遗传算法。该算法将种群分为多个子种群,每个子种群可独立并行执行NSGA-Ⅱ操作;达到迁移周期时,子种群之间执行迁移操作;完成迁移后,子种群再次独立并行执行NSGA-Ⅱ操作。以最大层间位移角和最大楼层加速度为目标函数,对14层消能减震钢框架结构上的阻尼器布置位置进行优化分析。结果表明:该算法既实现多目标优化,又提高优化速度;对比常规隔层布置方法,该算法可使结构的层间位移角减震系数和加速度减震系数分别至少提高16.82%和16.01%。