第二章 GT算法解决问题.pdf

旅行商问题演化算法在NOW 的并行算法设计 李永锋 李元香 （武汉大学软件工程国家重点实验室 湖北 武汉 430072） E-mail:llyyff78@ 摘 要 本文首先介绍了当前求解TSP问题最好的演化算法之一：GT算法。文中重点设计了在 NOW上求解旅行商问题GT算法的并行算法，详细描述了设计思路，设计策略。还给出了相当详 细的并行算法描述。文中设计的并行算法已经在NOW上的PVM平台上实现。 关键词 NOW ，演化计算，旅行商问题,并行计算 1 引言 旅行商问题，即TSP(Traveling Salesman Problem)，是NP-难（NP-hard）问题。与VLSL 制造，输油管道铺设，电路布线等重大规模应用相关。旅行商问题是一个研究很广泛的NP难度 问题。这个问题的定义是相当简单，但它是一个最具有挑战性的搜索问题。 GT算法是目前解决旅行商问题最快的演化算法之一。但是受制于单台计算机的计算能力， 求解问题的规模和速度十分有限。比如说，计算一次10000个城市的问题需要两天多。并行计算 是其根本出路。在当前，工作站机群NOW(Network of Workstations)是实现并行计算的一种主 流技术。我们算法的设计是基于NOW这种并行机系统的。 2 ．GT顺序算法的详细描述如下： （其中rand()产生[0，1）的浮点随机数，eval(S)是S的路经长，eval(S)eval(Si)如果S 好于Si时取真值，否则取假值。） 随机初始化群体P while(不满足结束条件)do { 每一个个体Si∈P do { S=Si 从S中随机选择一个城市c repeat { if(rand()p) 从S剩下的城市中随机选择一个城市c else { 从P中随机选择一个个体 作者简介：李永锋，硕士研究生，主要研究方向为并行计算，演化计算。李元香，博士生导师， 主要研究方向为并行计算，演化计算。 1 将c赋值为被选择的个体中城市c的下一个城市 } if (在个体S中城市c的前一个或者后一个城市是c) 离开repeat循环 倒置个体S中从城市c的下一个城市到城市c的部分 c=c } if(eval(S)eval(Si)) Si=S } } 3 ．并行方案的选择 为了并行化，问题的分解可以有两种形式。一种是域分解，即将这个问题区域分解为若干个 较小的问题区域，然后对其并行求解；一种是功能分解，即将问题分解为若干个子问题，然后 对其并行求解。 在这个问题上，域分解可以这样设计：让每个处理器独立地运行于个体的一个隔离子种群上， 通过迁移与其他处理器周期地共享它的那些最好个体。功能分解可以这样设计：让每个处理器 在一个公共的种群上完成算法中的每一步的一部分选择，交叉和突变。 域分解也能有效的并行化算法，但它对于加速整个计算几乎不起什么作用！与将种群信息 分布到所有处理器所需时间加上通信交换所需时间相比，整个计算时间主要依赖于计算各种演 化操作的相对时间。因此整个过程的加速比将所实际通信的限制。 基于这些考虑，我们选择域分解的并行方案为宜。 4 ．程序模式的设计 一般情况下，相应于域分解和功能分解两种形式，编程模式对应于 SPMD(单程序多数据流) 和 MPMD(多程序多数据流)两种。 SPMD 形式的程序的两种方式：主机/节点 （Host/Node ）式和无主机 （Hostless ）式。虽然在 这个算法中，如果有一个主机程序是有用的：申请和释放处理器，加载节点