分布式并行计算环境下混合遗传算法的研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (9): 207-209.

分布式并行计算环境下混合遗传算法的研究

唐天兵1，韦凌云2，谢祥宏1，严毅1

1.广西大学计算机与电子信息学院，南宁 530004
2.北京邮电大学自动化学院，北京 100876

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-21 发布日期:2011-03-21

Study on distributed parallel computing on hybrid genetic algorithm

TANG Tianbing1，WEI Lingyun2，XIE Xianghong1，YAN Yi1

1.School of Computer，Electronics and Information，Guangxi University，Nanning 530004，China
2.School of Automation，Beijing University of Posts and Telecommunications，Beijing 100876，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-21 Published:2011-03-21

摘要/Abstract

摘要： 为提高混合遗传算法的计算效率和求解质量，提出一个并行混合遗传算法框架。该框架主要由遗传算法、小生境操作和单纯形3部分组成，遗传算法和小生境操作采用串行执行方式，单纯形采用分布式并行执行方式。分布式并行计算环境由4台计算机通过交换机连接构成，并设计了一个动态任务调度方案。一个典型工程算例验证了新算法的有效性，并且在分布式并行环境下取得了较好的加速比和并行效率。

关键词: 遗传算法, 小生境, 单纯形, 分布式并行计算, 任务调度

Abstract: A parallel hybrid genetic algorithm framework is proposed aiming at improving the computing efficiency and the solution quality.This algorithm framework consists of three parts which are genetic algorithm，niche operation and simplex search.The first two parts，genetic algorithm and niche operation，are executed in serial way and the other is in distributed parallel way.The distributed parallel computing environment is constructed with four computers connected by a switch.A dynamic task scheduling solution is introduced into the proposed algorithm.The experimental result of a classical engineering example demonstrates the validity of the new algorithm and good speedup and computing efficiency in the distributed parallel computing environment.

Key words: genetic algorithm, niche, simplex, distributed parallel computing, task scheduling

唐天兵1，韦凌云2，谢祥宏1，严毅1. 分布式并行计算环境下混合遗传算法的研究[J]. 计算机工程与应用, 2011, 47(9): 207-209.

TANG Tianbing1，WEI Lingyun2，XIE Xianghong1，YAN Yi1. Study on distributed parallel computing on hybrid genetic algorithm[J]. Computer Engineering and Applications, 2011, 47(9): 207-209.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	张驰，王宇新，冯振，郭禾. 双层虚拟化云架构下任务调度能耗优化算法[J]. 计算机工程与应用, 2021, 57(3): 103-111.
[4]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[5]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[6]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[7]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[8]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[9]	田倬璟，黄震春，张益农. 云计算环境任务调度方法研究综述[J]. 计算机工程与应用, 2021, 57(2): 1-11.
[10]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[14]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[15]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.