申威众核处理器的并行NSGA-II算法

doi:10.3778/j.issn.1002-8331.1708-0051

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (17): 35-40.DOI: 10.3778/j.issn.1002-8331.1708-0051

申威众核处理器的并行NSGA-II算法

沈焕学1，2，郑凯1，2，刘垚1，2，王肃1，2，刘艳1，2，赵瑞祥1，2，周谦豪3

1.华东师范大学计算机与软件工程学院，上海 200062
2.数学工程与先进计算国家重点实验室，江苏无锡 214215
3.华东师范大学经济与管理学部，上海 200062

出版日期:2018-09-01 发布日期:2018-08-30

Parallel NSGA-II on Sunway many-core processor

SHEN Huanxue1，2, ZHENG Kai1，2, LIU Yao1，2, WANG Su1，2, LIU Yan1，2, ZHAO Ruixiang1，2, ZHOU Qianhao3

1. College of Computer and Software Engineering, East China Normal University, Shanghai 200062, China
2. State Key Laboratory of Mathematical Engineering and Advanced Computing, Wuxi, Jiangsu 214215, China
3. Faculty of Economics and Management, East China Normal University, Shanghai 200062, China

Online:2018-09-01 Published:2018-08-30

摘要/Abstract

摘要： 非支配排序遗传算法（NSGA-II）在多目标优化领域有着广泛的应用，但在处理复杂问题时运行时间相当长。并行化是提高算法执行速度的有效途径。众核处理器的出现，为实现高度并行奠定了物质基础。基于国产超算“神威·太湖之光”的申威众核处理器平台设计了并行NSGA-II算法（PNSGA-II），实现了算法基于主核的一级并行和基于主/从核的二级并行。在典型测试函数集上的实验表明，在不影响解的质量前提下，PNSGA-II算法不仅大大加快了执行速度，同时算法的收敛速度也更快。

关键词: 非支配排序遗传算法, 多目标优化, 并行遗传算法, 众核处理器, 神威·, 太湖之光

Abstract: Non-dominated Sorting Genetic Algorithm-II（NSGA-II） is commonly used in multi-objective optimization, but featured with long time when dealing with complex problems. Algorithm parallelization can enhance the efficiency obviously, while the many-core processors provide the high-level parallelism. In this paper, a Parallel NSGA-II algorithm（PNSGA-II） based on Sunway many-core processor is proposed, which implements the level-1 parallelism based on master cores, and level-2 parallelism based on cooperative master / slave cores. Experimental results on typical test function sets indicate that the PNSGA-II algorithm improves both the processing time and the convergence speed under the same accuracy.

Key words: Non-dominated Sorting Genetic Algorithm-II（NSGA-II）, multi-objective optimization, parallel genetic algorithm, many-core processors, Sunway Taihulight

沈焕学1，2，郑凯1，2，刘垚1，2，王肃1，2，刘艳1，2，赵瑞祥1，2，周谦豪3. 申威众核处理器的并行NSGA-II算法[J]. 计算机工程与应用, 2018, 54(17): 35-40.

SHEN Huanxue1，2, ZHENG Kai1，2, LIU Yao1，2, WANG Su1，2, LIU Yan1，2, ZHAO Ruixiang1，2, ZHOU Qianhao3. Parallel NSGA-II on Sunway many-core processor[J]. Computer Engineering and Applications, 2018, 54(17): 35-40.

[1]	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.
[2]	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.
[3]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[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]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[6]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[7]	吴天纬，安斯光，孙崎岖，李梅，孙丽宏，申屠南瑛. 改进聚合树的高维多目标降维优化算法[J]. 计算机工程与应用, 2020, 56(21): 47-53.
[8]	王利利，张琳娟，尚雪宁，高德云. 计算智能在电动车充电站规划的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 1-10.
[9]	涂经科，梁俊斌，蒋婵，王天舒. 大规模无环有向管网中移动物联网监测进展[J]. 计算机工程与应用, 2020, 56(17): 1-11.
[10]	王亚东，石全，尤志锋，宋卫星. 差分准对立学习多目标蚁狮算法[J]. 计算机工程与应用, 2020, 56(13): 156-163.
[11]	郭羽含，胡德甲. 基于随机森林与变邻域下降的车辆合乘求解[J]. 计算机工程与应用, 2020, 56(13): 243-253.
[12]	任慧. 考虑运输中断的可靠三级供应链网络设计[J]. 计算机工程与应用, 2019, 55(6): 265-270.
[13]	董骏峰，王祥，梁昌勇. 基于个体邻域的改进NSGA-II算法[J]. 计算机工程与应用, 2019, 55(5): 166-174.
[14]	刘庆，王洋，李星，李红叶. 基因池操作遗传算法的应用层组播路由优化[J]. 计算机工程与应用, 2019, 55(21): 142-150.
[15]	乐春宇，马义中，张建侠. 结合Kriging和物理规划的多目标代理优化算法[J]. 计算机工程与应用, 2019, 55(21): 240-246.

申威众核处理器的并行NSGA-II算法

Parallel NSGA-II on Sunway many-core processor

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