基于多核微机的微粒群并行算法

doi:10.3778/j.issn.1002-8331.2010.13.010

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (13): 34-36.DOI: 10.3778/j.issn.1002-8331.2010.13.010

基于多核微机的微粒群并行算法

陈华，范宜仁，邓少贵，李智强

中国石油大学（华东），山东东营 257061

收稿日期:2008-11-20 修回日期:2009-01-04 出版日期:2010-05-01 发布日期:2010-05-01
通讯作者: 陈华

Multi-core parallel particle swarm optimization algorithm

CHEN Hua，FAN Yi-ren，DENG Shao-gui，LI Zhi-qiang

China University of Petroleum，Dongying，Shandong 257061，China

Received:2008-11-20 Revised:2009-01-04 Online:2010-05-01 Published:2010-05-01
Contact: CHEN Hua

摘要/Abstract

摘要： 提出了一种基于Logistic模型的惯性权重非线性调整策略，采用OpenMP多线程编程，在微机上实现了微粒群算法的多核并行计算。通过对BenchMark测试函数集中的5个函数进行测试，试验结果表明，采用基于Logistic模型的惯性权重非线性调整策略在算法成功率和收敛代数都优于线性调整策略，而基于OpenMP的微粒群多核并行计算使得计算速度得到提高。

关键词: OpenMP, 微粒群优化算法, 多核并行计算

Abstract: A nonlinear adjustment strategy for inertia weight which is based on logistic model is proposed，and multi-core parallel computation of particle swarm optimization algorithm is realized which uses OpenMP multithread programming.Five function of BenchMark function set is tested.The results show that success rates and convergence times of algorithm which uses nonlinear adjustment strategy are superior to linear adjustment strategy.The calculation speed is improved which is based on OpenMP multi-core parallel computation of particle swarm optimization algorithm.

Key words: OpenMP, particle swarm optimization algorithm, multi-core parallel computation

中图分类号:

TP301.6

陈华，范宜仁，邓少贵，李智强. 基于多核微机的微粒群并行算法[J]. 计算机工程与应用, 2010, 46(13): 34-36.

CHEN Hua，FAN Yi-ren，DENG Shao-gui，LI Zhi-qiang. Multi-core parallel particle swarm optimization algorithm[J]. Computer Engineering and Applications, 2010, 46(13): 34-36.

[1]	陈亚中1，李振军1，李荣华1，毛睿1，乔少杰2. TSCAN：利用并行策略改进的图结构聚类算法[J]. 计算机工程与应用, 2019, 55(1): 76-83.
[2]	刘　　洋，杨金民. OpenMP程序中基于活跃变量分析的检查点优化[J]. 计算机工程与应用, 2016, 52(4): 31-41.
[3]	张红1，2，王晓明1，曹洁2，马彦宏3，郭义戎1，王慜1. Hadoop云平台MapReduce模型优化研究[J]. 计算机工程与应用, 2016, 52(22): 22-25.
[4]	张敏，唐东成，张君跃，易志威，朱红萍，陈微. 基于微粒群算法的永磁同步发电机滑模控制[J]. 计算机工程与应用, 2015, 51(22): 266-270.
[5]	张维琪，樊斐. 自适应SSDA图像匹配并行算法设计与实现[J]. 计算机工程与应用, 2014, 50(20): 64-67.
[6]	刘盼芝1，郭国防2，潘若禹3. 求解分布式顺序统计CFAR检测器参数的新方法[J]. 计算机工程与应用, 2014, 50(2): 258-262.
[7]	李奔驰1，2，党创寅2，郑津津1. 分布式整数规划及其在航线扰动问题的应用[J]. 计算机工程与应用, 2013, 49(14): 19-24.
[8]	高晔，邢毅. Vega平台下三维并行A*算法的设计与实现[J]. 计算机工程与应用, 2012, 48(7): 231-234.
[9]	叶春晓，罗娟. 基于网格的混合微粒群算法解决任务调度问题[J]. 计算机工程与应用, 2012, 48(12): 34-37.
[10]	林令娟1，刘希玉2. 结合SA算法的快速微粒群优化算法[J]. 计算机工程与应用, 2011, 47(8): 27-29.
[11]	赵宏1，2，张洁1，2，侯鲁健3，王恺1，2，白志鹏2，4. 并行GA_ANN预测模型研究[J]. 计算机工程与应用, 2011, 47(22): 216-219.
[12]	赵军1，2，吴建平2，宋君强2，辜旭赞1. 多核环境下AREM模式混合并行计算研究[J]. 计算机工程与应用, 2011, 47(21): 61-63.
[13]	赵嘉1，曹寒问2，孙辉1，李文力1. 双群交换微粒群算法及在Shearlet图像去噪中的应用[J]. 计算机工程与应用, 2011, 47(19): 207-210.
[14]	赵嘉，孙辉. 多阶段多模型的改进微粒群优化算法[J]. 计算机工程与应用, 2010, 46(33): 32-35.
[15]	张哲. 稀疏有限元线性系统的并行算法实现[J]. 计算机工程与应用, 2010, 46(29): 47-49.

基于多核微机的微粒群并行算法

Multi-core parallel particle swarm optimization algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics