具有量子行为粒子群优化算法的并行化研究

doi:10.3778/j.issn.1002-8331.2009.11.014

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (11): 45-48.DOI: 10.3778/j.issn.1002-8331.2009.11.014

具有量子行为粒子群优化算法的并行化研究

王小根¹,奚茂龙²,须文波²

1.江南大学教育学院，江苏无锡 214422
2.江南大学信息学院，江苏无锡 214422

收稿日期:2008-03-04 修回日期:2008-06-10 出版日期:2009-04-11 发布日期:2009-04-11
通讯作者: 王小根

Parallel study of quantum-behaved particle swarm algorithm

WANG Xiao-gen¹,XI Mao-long²,XU Wen-bo²

1.School of Information Technology，Southern Yangtze University，Wuxi，Jiangsu 214422，China
2.School of Education，Southern Yangtze University，Wuxi，Jiangsu 214422，China

Received:2008-03-04 Revised:2008-06-10 Online:2009-04-11 Published:2009-04-11
Contact: WANG Xiao-gen

摘要/Abstract

摘要： 在研究了具有量子行为粒子群算法的基础上，受遗传算法并行化的启发，对具有量子行为的粒子群算法提出并实现了新的并行化策略。针对通信时间过长的问题，提出了改进方法。最后通过benchmark测试函数，将并行化量子粒子优化算法和二进制遗传算法、十进制遗传算法、粒子群优化算法的并行化方法进行了仿真比较，并对结果进行了分析。

关键词: 并行, 粒子群优化算法, 量子化

Abstract: On the base of quantum-behaved particle swarm algorithm，a new parallel method on quantum-behaved particle swarm algorithm is proposed by the influence of the implement of genetic algorithm.Due to the long time for communication，bottleneck will appear on parallel tests.It amends the communication by reducing the communication cycle.The comparison of PQPSO，PEA，PSEA and PPSO based on benchmark function is given.

Key words: parallel, particle swarm optimization, quantum

王小根¹,奚茂龙²,须文波². 具有量子行为粒子群优化算法的并行化研究[J]. 计算机工程与应用, 2009, 45(11): 45-48.

WANG Xiao-gen¹,XI Mao-long²,XU Wen-bo². Parallel study of quantum-behaved particle swarm algorithm[J]. Computer Engineering and Applications, 2009, 45(11): 45-48.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	李俊丽. Spark平台下类别数据互信息计算的并行化[J]. 计算机工程与应用, 2021, 57(7): 95-100.
[3]	石杰元，袁志勇，廖祥云，赵俭辉. 面向磁悬浮视触觉交互的多速率系统框架[J]. 计算机工程与应用, 2021, 57(5): 197-203.
[4]	唐蕊，焦继业，徐华昊. 面向嵌入式的卷积神经网络硬件加速器设计[J]. 计算机工程与应用, 2021, 57(4): 252-257.
[5]	杨鲁月，张树美，赵俊莉. 基于并行Gan的有遮挡动态表情识别[J]. 计算机工程与应用, 2021, 57(24): 168-178.
[6]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[7]	朱梦，闵卫东，张煜，段静雯. 基于HardSoftmax的并行选择核注意力[J]. 计算机工程与应用, 2021, 57(21): 95-101.
[8]	冯凯，李婧. k元n方体网络的子网络可靠性[J]. 计算机工程与应用, 2021, 57(16): 83-89.
[9]	李健，张大伟，姜晓明，向立云. 并行化洪水演进模拟研究综述[J]. 计算机工程与应用, 2021, 57(13): 1-7.
[10]	孙明，陈昕. 面向卷积神经网络的硬件加速器设计方法[J]. 计算机工程与应用, 2021, 57(13): 77-84.
[11]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[12]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[13]	叶颖诗，魏福义，蔡贤资. 基于并行计算的快速Dijkstra算法研究[J]. 计算机工程与应用, 2020, 56(6): 58-65.
[14]	杨捷，吴素萍. 点云重建的并行算法[J]. 计算机工程与应用, 2020, 56(6): 213-219.
[15]	杜伟，傅游. 基于GPU的最小二乘蒙特卡罗算法期权定价[J]. 计算机工程与应用, 2020, 56(4): 225-229.

具有量子行为粒子群优化算法的并行化研究

Parallel study of quantum-behaved particle swarm 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