关于主从式分层并行遗传算法的研究.pdf

4一 113 关于主从式分层并行遗传算法的研究 王洪燕 杨敬安 (合肥工业大学人工智能研究所 合肥 230009) 摘 英 本文荃于并行进化种族间的协作和竞争机制，提出了一个主从式分层遗传算法棋型.为求解复 杂问题，靳算法首先将其分解为多个简单的子问题.再将各子问翅对应的子群体进行分组处理，棋M的 处理单元呈层次结构。文中从理论和实验两个方面证明了该算法突破了传统主从式遗传算法的群体极 限，使得利用遗传算法求解超大规棋复杂问翅成为可能。 关.词 主从式并行遗传算法 竟争橄型 协作旗型 掩食效率 ResearchonMaster-slaveMulti-layerParallelGeneticAlgorithm WangHongyan YangJingan (InstituteofArtificial HefeiUnirxrsityofTechnology Hefei230009) ABSTRACT Thispaperproposedamaster-slavemuli-layerparallelgeneticalorithmbased oncompetitionandcooperationofspeciesnewalgoritnm,acomplexisfirstdecomposedinto severalsimplesub-tasksandthendistributedtoseveralprocessorswithamulti-layertopology structure.Thetheorizationofconventionalalgorithmandimprovethesearchabilityofgenet- isalgorithmeffectively KEYWORDS Master-slaveparallelgeneticalorithm CompetitiveModel Cooperative ModelSearchefficiency 1 引 言 遗传算法一种棋仿生物进化机制的自适应随机搜素方法.它是由美国Michigan大学的Hol- land教授在七十年代提出来的。作为解决大规模优化问题的一种有力的工具，遗传算法已成功地 应用于商业，工程及科研领域。一般情况下，遗传算法能在一个合理的时限内求得间题的优化解， 但求解大型的结构复杂的间题，对运算时间的需求就会迅速增加，因而为了减少运算时间，提高解 的质量。对并行遗传算法的研究已成为当务之急[t][2][3] 已经证明遗传算法收敛到唯一解的时间和群体的规模有很大关系，Goldberg和Deb实验了不 同的选择方法，较快的算法的时间复杂度为。(slogs)，其中s为群体中个体的个数。但是较大规 模群体能增加遗传算法全局寻优能力和优化解的质量[4][3]。这一对矛盾是标准遗传算法需要首 先解决的间题。 对复杂间题求解的自然而有效的途径是采取分而治之的策略，将复杂间题分解为数个简单的 子问题，然后分别求解各子间题[6][7][31。这种策略的应用实例举不胜举.例如路径规划中的旅行 推销员间题，机器人领域的行为学习问题，人工神经网络领域的结构设计间题。分解后的各子问题 可用普通进化算法并行求解.问题的关键在于如何寻求一个好的算法框架来对复杂问题进行分解。如 4 一 114 何表达各子问题以及在无人工参与的情况下如何评价各子问题的解，进一步融合得出原间题的解。 解决上述间题的模型荃本上可分为两大类:竞争模型和协作模型。 Cantu-Paz给出了一个有效的主从式并行遗传算法[[91，算法的主要思想是将群体分组，每组 的个体适应值评估由从处理单元完成.整个群体的遗传算子操作由一个主处理单元承担，文中证明 了仅当个体评估时间处理单元间通讯时间/每组所含个体数目时才能获得较传统算法更快的收 敛速度。从总体上看，本算法的个体使用竞争机制进化，所以本算法属于竟争模型。 CCA算法(CooperativeCoevolutionaryAlgorith