一种求解TSP+问题的分布式并行演化算法.pdfVIP

一种求解 TSP 问题的分布式并行演化算法 王斌，李元香 （武汉大学 软件工程国家重点实验室，武汉 430072） wzfq@ 摘 要 该文提出了一种求解 TSP 问题的分布式并行演化算法，和其他的求解 TSP 问题的 演化算法不同的是，算法只使用了变异算子。算法采用了主-从（master-slave ）分布式并行 模式，主进程只完成选择淘汰、任务的分发和很少量的遗传操作，大量的遗传操作以及个体 的适应值的计算是由从进程完成的，算法具有很高的并行度。在 PVM 并行计算环境下，用 实例 KROB150 和 CHN144 对算法进行了测试，所得的结果达到或好于已知最优解，所用的 时间也较短。 关键词 旅行商问题 演化算法 并行算法 1 前言 TSP （Traveling Salesman problem ）可以表述为：设有n 个城市并已知各城市的旅行费 用，找一条经过所有城市且只经过一次的费用最少的回路。TSP 问题已被证实是一个NP 难 [1] 解问题 ，它已出现在许多应用中，且城市的数量可能很大。用演化算法求解 TSP 问题一直 是学术界研究的热点，演化算法最引人注目的的特性是它的本质并行性[2]，对于规模较大的 TSP 问题研究采用并行演化算法求解显得尤为重要。 本文研究了一种非常适合并行计算的演化算法来求解 TSP 问题。该算法在以下几个方 面提高了演化算法的并行度：（1）本算法只采用变异算子及各个个体独立的进行遗传操作， 从而使算法的并行程度大大提高。目前的求解 TSP 问题的演化算法，普遍把杂交算子作为 主算子，变异算子作为辅助算子，但是杂交算子是一种不太适合并行计算的算子，因为它涉 及到群体中个体间的信息的交换，而这可能增加处理机间的通信开销。（2 ）分布在各个处理 机上进行演化的个体，在每演化了一万多代后，才进行一次处理机间的通信，这样就使通信 开销在并行计算时间上所占的比例大大减少。（3 ）算法的串行计算部分所占的比例很小，当 并行演化一万多代后，才收集所有的个体进行一次演化和淘汰操作。 本算法结构简单，所用的参数很少，除了群体的规模和算法的终止条件外，只用了一个 参数。算法采用主-从（master-slave ）分布式并行模式，大量的演化操作由从进程完成，主 进程只完成任务的分发和少量的遗传操作。算法选用通用的 TSPLIB* （ftp ： ivr.uni-hei-delberg.de/pub/tsplib）中的实例KroB150 和文献[3]中提到的中国 CHN 144 城市实例进行算法测试。对于实例 KroB150 ，TSPLIB 提供最短路径值为 26 130 （整数运算 所得的结果），文献[4]给出的最优路径值为 26127.3579(浮点运算所得的结果) ，本算法所得 的结果：整数运算所得的结果为 26 130，浮点运算所得的结果为 26127.3578887393 。对于 chn144 实例，文献[3]和文献[4]给出的最优路径值都为 30354.3(浮点运算所得的结果), 本算 法所得的结果：浮点运算所得的结果为 30353.8609965236，整数运算所得的结果为 30347 。 从实验结果可看到本算法对实例 KroB150 已达到已知最优解，对实例 chn 144 已好于文献[3] 和文献[4]给出的解。本文还计算了使用 4 台微机进行并行计算的加速比。 2 求解 TSP 问题的串行和并行演化算法 1 2．1 算法采用的变异操作 整个算法只使用了变异操作。本算法采用了普通路径表达的编码方式及一个旅行就是一 个染色体，这种编码方式的特点是：计算个体的适应值无需解码，变异算子特别好设计。倒 位变异算子：在父体中随机的选择两个截断点，然后将两点间的城市反序，倒位算子是对染 色体的边改动最少的变异（只变化了两条边）。插入变异算子：在父体中随机的选择