基于mapreduce模型的分布式粒子群算法 distributed particle swarm optimization algorithm based on mapreduce.pdfVIP

　第４６卷　第６期 山　东　大　学　学　报　（工　学　版） ２０１６年１２月　 　 　　 Ｖｏｌ．４６　 Ｎｏ．６ 　　 　ＪＯＵＲＮＡＬ ＯＦ ＳＨＡＮＤＯＮＧＵＮＩＶＥＲＳＩＴＹ （ＥＮＧＩＮＥＥＲＩＮＧ ＳＣＩＥＮＣＥ） Ｄｅｃ．２０１６　 　文章编号：１６７２３９６１（２０１６）０６００２３０８　　　ＤＯＩ：１０６０４０／ｊ．ｉｓｓｎ．１６７２３９６１１２０１６１６１ 基于ＭａｐＲｅｄｕｃｅ模型的分布式粒子群算法  范德斌，邓长寿 ，袁斯昊，谭旭杰，董小刚 （九江学院信息科学与技术学院，江西 九江３３２００５） 摘要：通过对传统的单种群粒子群算法的分析，提出一种基于ＭａｐＲｅｄｕｃｅ模型的分布式粒子群算法，解决粒子群 算法在求解大规模优化问题时求解效率和精度明显下降等问题。在粒子群进化过程中，粒子速度和位置的更新 采用惯性权重的方法，其权重值线性递减，并且利用多子群进化策略，提高算法的收敛精度。通过ＭａｐＲｅｄｕｃｅ模 型实现算法的并行化，有效提高算法求解效率。选取目前比较流行的几种算法，并在１３ 个５００ 维、１０００ 维的标准 测试函数上仿真试验，结果显示该算法具有良好的优化性能。 关键词：粒子群；并行；大规模优化；分布式；ＭａｐＲｅｄｕｃｅ模型 中图分类号：ＴＰ３９１　　　文献标志码：Ａ Ｄｉｓｔｒｉｂｕｔｅｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｍａｐｒｅｄｕｃｅ  ＦＡＮ Ｄｅｂｉｎ，ＤＥＮＧ Ｃｈａｎｇｓｈｏｕ ，ＹＵＡＮ Ｓｉｈａｏ，ＴＡＮ Ｘｕｊｉｅ，ＤＯＮＧ Ｘｉａｏｇａｎｇ （Ｓｃｈｏｏｌ ｏｆＩｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｊｉｕｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉｕｊｉａｎｇ ３３２００５，Ｊｉａｎｇｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａ ｄｉｓｔｒｉｂｕｔｅｄｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍｂａｓｅｄ ｏｎ ＭａｐＲｅｄｕｃｅ ｗａｓ ｐｒｏｐｏｓｅｄ ｔｈｒｏｕｇｈ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｓｉｎｇｌｅ ｐｏｐｕｌａｔｉｏｎ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈ ｗａｓｕｓｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｐｒｏｂ ｌｅｍｓ ｏｆｄｅｃｒｅａｓｅｄ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ａｃｃｕｒａｃｙ ｉｎ ｌａｒｇｅ ｓｃａｌｅ ｏｐｔｉｍｉｚａｔｉｏｎ．Ｉｎ ｔｈｅ ｅｖｏｌｕｔｉｏｎａｒｙ ｐｒｏｃｅｓｓ ｏｆｐａｒｔｉｃｌｅ ｓｗａｒｍ ａｌ ｇｏｒｉｔｈｍ，ｔｈｅ ｐａｒｔｉｃｌｅｓｖｅｌｏｃｉｔｙ ａｎｄｐｏｓｉｔｉｏｎｗａｓｕｐｄａｔｅｄｂｙｕｓｉｎｇ ｔｈｅｍｅｔｈｏｄｏｆｉｎｅｒｔｉａｗｅｉｇｈｔ，ｉｔｓｖａｌｕｅ ｗａｓｄｅｃｒｅａｓｅｄ  ｌｉｎｅａｒｌｙ，ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｃｏｎｖｅｒｇｅｎｃｅ ｗａｓ ｉｍｐｒｏｖｅｄ ｂｙ ａｄｏｐｔｉｎｇ ｔｈｅ ｓｔｒａｔｅｇｉｅｓ ｏｆ ｍｕｌｔｉ ｐｏｐｕｌａｔｉｏｎ ｅｖｏｌｕｔｉｏｎ．Ｔｈｅ ｐｒｏｃｅｓｓ ｏｆｔｈｅ ａｌｇｏｒｉｔｈｍ ｗａｓ ｐａｒａｌｌｅｌ ｔｈｒｏｕｇｈ ｔｈｅ ＭａｐＲｅｄｕｃｅ ｍｏｄｅｌ，ｗｈｉｃｈ ｃｏｕｌｄ ｉｍｐｒｏｖｅ ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｔｈｅ ａｌｇｏ ｒｉｔｈｍ ｅｆｆｅｃｔｉｖｅｌｙ．Ｓｅｖｅｒａｌｐｏｐｕｌａｒａｌｇｏｒｉｔｈｍｓｗｅｒｅ ｓｅｌｅｃｔｅｄａｎｄｔｅｓｔｅｄｏｎ １３ ｂｅｎｃｈｍａｒｋｆｕｎｃｔｉｏｎｓｏｆ５００ ｄｉｍ