并行化遗传算法研究

并行遗传算法（Parallel Genetic Algorithms,PGA）广泛应用于解决各种优化问题。给出了遗传算法并行化目的描述,做出并行性分析。详细介绍遗传算法三种结构化并行模型：踏脚石模型,岛屿模型,邻接模型。最后给出并行遗传算法的硬件支持环境及性能评价。     

基于机群计算的导热反问题并行遗传算法

遗传算法具有天然的易并行性,因此,当问题比较复杂或者初始种群规模比较大的时候,通常会将遗传算法并行化.但是并行机的代价高,普及面狭窄,因而选择机群系统作为并行计算的主体,是一个简单有效的办法.通过导热反问题的并行遗传算法研究了机群计算的并行效率和加速比.     

一种基于约束机制的通用并行遗传算法

虽然目前流行的几种并行遗传算法模型在一定程度上解决了遗传算法的速度瓶颈,但是现有的并行遗传算法模型要求服务器对各个种群(或处理器)不断地协调和交换信息,因此带来了很多资源的浪费.另外目前的并行遗传算法模型没有很好的可扩展性,不能充分保留各种遗传算法的优势和特点.因此研究如何减少并行遗传算法因通信所带来的资源消耗,是进一步提高并行遗传算法效率的主要途径.另外研究并设计一个通用的并行遗传算法模型,使并行遗传算法的可扩展性,可维护性得到提高,充分利用现有遗传算法的研究成果,减少软件复用的代价,是进一步使并行遗传算法得到广泛应用的关键.     

浅析遗传算法

本文介绍了遗传算法的起源、基本内容、应用领域、基本原理、分析了其特点等.目前,解决一些种群规模较大的问题时普遍采用并行遗传算法.同时本文也分析了遗传算法和并行遗传算法的一些局限性等,希望通过此文能够帮助大家初步了解有关遗传算法的基本知识.     

基于MapReduce的GA-BP神经网络算法并行化设计及实现

为提高BP神经网络算法的运行效率,利用遗传算法和并行编程思想,提出了Hadoop平台下基于MapReduce的遗传算法优化BP神经网络的并行化设计及实现方法。利用遗传算法优化BP神经网络的初始权值和阈值,提高算法分类准确率;采用MapReduce并行编程模型实现算法的并行化处理,解决BP神经网络在处理大规模样本数据集时存在的硬件开销和通信开销大的问题。选用Caltech256图像数据集,与传统的串行遗传算法优化BP神经网络算法实验对比,验证了并行化GA BP神经网络算法的优越性。     

MPICH在PC集群系统中的应用

采用MPICH并行技术，建立了基于PC局域网平台的并行集群系统，并通过VC＋＋6．O调用消息传递库MPI函数编写并行遗传算法，完成了相关并行计算实例。计算结果表明：在现有并行集群系统下能有效地利用现有计算机资源，大幅度提高计算效率，并可获得可观的加速比，为一些复杂问题的求解提供了可行方案。     

一种新的APGA算法及其在多核CPU环境下的Java实现

研究了遗传算法(SGA)的遗传自适应策略和并行遗传算法(PGA)迁移时的自适应策略,提出了一种新的自适应并行遗传算法(APGA),描述了算法的流程和关键算子,最后给出了在多核CPU环境下用Java实现的APGA算法。     

基于SPMD的粗粒度并行遗传算法在立体仓库路径优化中的应用

为了提高粗粒度并行遗传算法性能,缩短对立体仓库路径优化问题的求解时间,将一种单程序多数据流（简称SPMD）并行结构运用到粗粒度并行遗传算法中,并对算法进行改进。通过对自动化立体仓库拣选路径优化模型的求解,得到串行与并行计算两种情况下的运算时间与加速比,并在求解精度相差不大的情况下,将改进算法的计算时间与遗传算法、蚁群遗传算法进行比较。对比结果表明,并行计算能有效提高算法优化效率,缩短程序执行时间。该研究对于解决自动化立体仓库堆垛拣选路径优化问题有着重要的现实意义。     

基于小种群策略的并行遗传算法

遗传算法作为一种基于生物进化机制的自适应算法,适用于各类复杂系统的优化计算。然而标准遗传算法所具有的易早熟、易陷入局部最优等问题,在一定程度上限制了遗传算法的推广和使用。在对遗传算子做出改进的基础上,提出了一种基于小种群策略的并行遗传算法,从而有效地提高了遗传算法的执行效率和性能。     

一种基于遗传算法的改进图像匹配方法

研究了基于遗传算法的图像匹配方法。针对传统的遗传算法运行速度不高且容易产生早熟现象这一局限性,提出一种改进的遗传算法。该算法利用伪并行遗传算法(PPGA)的思想,提出了新的遗传策略,减小了算法陷于局部极值的可能性并同时提高了搜索速度。     

一个面向大规模BP神经网络并行算法

BP神经网络是在数据挖掘、语音识别和文本语言转换等领域最为广泛使用的网络之一。但也有其不足之处，主要表现在收敛速度慢和学习时间长。并行是解决这一问题的可行方案。本文提出了一种利用微机机群来实现并行处理，在并行编程环境PVM中实现BP神经网络的并行学习算法。即主要采用将大量计算由主控节点转移到从结点上、设置逻辑锁和粗粒度任务划分等方法以减少计算和通信时间，有效实现学习过程的并行处理。在微机机群系统下的PVM环境中实现该算法。结果表明改进后的算法不仅大大减少了学习时间，提高了学习效率，而且能够很好面对大规模BP神经网络的学习。     

Pure Java Implementation of BSP

1 Introduction1.1 MotivationNetWork-based high peifonnance computing isgaining increasing pOPularity among parallel computingcommunity. Furthennore, with the develOPment ofnetWorking t6chnology, the computing concept ofcluSter-based or cluster-of-clusterS computing is widelyaccepted, which calls for pndlel environment thatsuPPOrtS heterogeneous computation.Current pndlel en~ent such as MPlll2]Provides an easy-tO-use way for Programmers tO writeparallel Pro~s. UnfO~ly, MPI portiDg is …     

解一族线性方程组的一个并行算法

发掘和利用现有串行算法中的并行性,直接将串行算法改造为并行算法,是并行算法设计的最常用方法之一。提出一个基于Huang算法的解一族线性方程组的并行算法,该算法在集群系统环境下,具有较好的灵活性和优越性。算例表明,对病态线性方程组显得特别有效。特别是在时间紧迫、可考虑方案或边值可选较多的情况下,具有可观的快捷高效性。     

基于区域分解的共轭梯度法的有限元结构分析并行计算

1 Introduction Large and complex engineering problems often needmuch computation ti me and storage to run on ordinaryuniprocessor computers . Even if they can be solved ,powerful computation capability is required to obtainaccurate and reliable results within reasonable ti me .Parallel computing can meet requirements of high per-formance computing[1].Various types of parallel hard-ware architectures have been developed and parallelalgorithms adapted to these hardware architecturesproposed[2 ,3…     

Parallel computing for finite element structural analysis using conjugategradient method based on domain decomposition

1 Introduction Large and complex engineering problems often needmuch computation ti me and storage to run on ordinaryuniprocessor computers . Even if they can be solved ,powerful computation capability is required to obtainaccurate and reliable results within reasonable ti me .Parallel computing can meet requirements of high per-formance computing[1].Various types of parallel hard-ware architectures have been developed and parallelalgorithms adapted to these hardware architecturesproposed[2 ,3…     

高性能计算与集群系统

高性能计算是一个国家综合实力的体现，其主要内容包括高性能计算机、并行算法和并行应用程序等方面。集群系统以其良好的可扩展性和性能价格比，已迅速成为高性能计算领域的主流体系结构。拳文对集群系统的发展、构建、及其应用进行了研究与探讨。     

Design and Implementation of Parallel Virtual Machine on GM

1.1 BackgroundThe SU'HPCS (Shanghai Ufllverslty HighPerfor-mance Computing System) Is a 144-processorLlnux cluster constricted from commodity personalcomputer teChnology it is designed tO be dedicated tOhigh performance computing for computationalenglneenng and scientific problems We have nowconstructed many parallel environmentS m SUHPCS,such as MPll'], PVMI"'], BSP14], and DSMI'], as well asHPFI61, tO help users enroll their aPPlications intOParallel comPUting system But o…     

水下声散射一致性时域有限差分法的并行算法

In this work, we treat scattering objects, water, surface and bottom in a truly unified manner in a parallel finite-difference time-domain (FDTD) scheme, which is suitable for distributed parallel computing in a message passing interface(MPI) programming environment. The algorithm is implemented on a cluster-based high performance computer system.Parallel computation is performed with different division methods in 2D and 3D situations. Based on analysis of main factorsaffecting the speedup rate and parallel efficiency, data communication is reduced by selecting a suitable scheme of task division.A desirable scheme is recommended, giving a higher speedup rate and better efficiency. The results indicate that the unifiedparallel FDTD algorithm provides a solution to the numerical computation of acoustic scattering.