基于MPI并行蚁群算法研究与实现.pdfVIP

第25卷第1期 广东工业大学学报 V01．25No．1 of March2008 2008年3月 Journalof UniversityTechnology Guangdong 基于MPI的并行蚁群算法的研究与实现 刘 东1．一，常静1，一，魏文红2，赵洁2’3 (1．广东外语外贸大学南国商学院，广东广州510545；2．华南理工大学计算机学院， 广东广州510640；3．广东工业大学经济管理学院，广东广州510520) 摘要：在消息传递接口(messageinterface，MPI)的基础上，采用划分蚁群的策略，实现了基于MPI的并行蚁 passing 群算法，并对该算法采用旅行商问题进行了实验．实验结果表明，使用并行计算技术，可以很好地提高运行速度． 关键词：蚁群算法；消息传递接口；旅行商问题 中图分类号：TP301．6 文献标识码：A 文章编号：1007-7162{2008)01-0038-05 蚁群算法(antcolonyoptimization，ACO)，又称解一个完全加权的有向图中的最优路径问题，因此， 蚂蚁算法，是一种用来在图中寻找优化路径的机率 用一个完全加权的有向图G(V，A，d)来表示问题 型技术．它由MarcoDorigo于1992年在他的博士论的求解空间，其中y{l，2，…，11,}是节点集合，A{(i， 文中引入文献[1]，其灵感来源于蚂蚁在寻找食物 ．『)I i，_『∈V}是支路集合，d(i，歹)是A的权函数，它 过程中发现路径的行为．文献[1]使用蚁群算法解 将每条支路(i，．『)与一个正整数权d(i，_『)相关联，d 决TSP问题(旅行商问题)，这也是大家对蚁群算法(i，_『)可看成节点i和_『之间的距离．目标是找到恰 应用研究得最多的问题．蚁群算法解决TSP问题其 好访问每个节点一次的最小长度的闭合回路． 本质就是在给定的路线图中求出一条最优路径．前 1．1转移规则 人基于蚁群算法的原理给出很多解决TSP问题的蚁 蚂蚁的运动不是盲目的，它需要依据一定的转 群算法的实现【2引，然而，这些算法基本上都是基于 移规则行进．转移规则就是蚂蚁选择每一可行点的 单CPU串行执行的，在问题的求解空间逐渐增加概率，对于第i点的第k只蚂蚁，选择第_『点的概率 时，单CPU的串行执行速度往往无法满足人们的需 为 求．在本文中，笔者拟提出一种基于MPI(Message [!(!：』2]：[丑(i』)31 ∑[f(i，u)]叮叼(-『，Ⅱ)]卢’ PassingInterface(消息传递接口))的蚁群并行算法， 昨咖‘ P。(i,j)= (1) 。。 一 根据蚁群算法的原理，充分利用蚁群算法内在的并 如果J仨tabuI． 行性，用以求解TSP问题中的最优路径，通过基于 0，否则． MPI的蚁群并行算法有效地提高蚁群算法搜索最短 式(1)中：p(i，_『)表示序号为k的蚂蚁位于节点i 路径的质量，并缩短算法的运行时间． 时，转移到节点．『的概率万(i，_『)是通过支路(i，_『)的 蚂蚁所留下的信息素；田(f，．『)是一个局部启发函 1 基本蚁群