论文部分内容阅读
20世纪60年代，美国Michigan大学的J．Holland教授首先提出了遗传算法(Genetic Algorithm，缩写为GA)，它是模拟达尔文的遗传选择和优胜劣汰的生物进化过程的计算模型。经过三十多年的发展，无论在算法的改进方面，还是理论以及应用研究方面，都已取得了很大的进步和成功。但是遗传算法中仍然存在许多问题，如建筑块假设、早熟收敛和进化时间长等问题。 思维进化计算(Mind Evolutionary Computation，缩写为MEC)是孙承意教授于1998年提出的一种新的进化计算(Evolutionary Computation，缩写为EC)方法。它是根据对GA存在问题的思考以及对人类思维进步的分析，模仿人类社会中存在的趋同和异化现象提出来的。 MEC固有的并行性和大规模并行机的快速发展，促使我们开始研究MEC的并行化问题。MEC与并行计算机的结合，能把并行机的高速性和MEC固有的并行性二者的长处结合起来，从而促进MEC的研究与发展。 本文在对进化计算、思维进化计算和并行遗传算法(Parallel Genetic Algorithm，缩写为PGA)这些背景知识的回顾和了解基础上，提出了主从式并行思维进化计算(Parallel Mind Evolutionary Computation，缩写为PMEC)的框架，详细描述了PMEC算法，并通过实验对PMEC进行了初步测试，实验结果说明MEC具有很好的并行性。进一步丰富了由孙承意教授于1998年提出的MEC框架。论文中的创新点如下：太原理工大学硕士研究生学位论文 l)通过对基本州田C算法中趋同和异化的分析，在导师的指导下提出了主从式PMEC的框架。 2)在集群计算机(Cluster ofVo rksations，缩写为COW)上实现了主从式PMEC。 3)对主从式PMEC进行了初步的测试。测试了个体评价时间、子群体尺寸和从处理器数目对P州田C算法性能的影响。结果表明:MEC适合并行计算，当选取适当的参数(如子群体尺寸，从处理器数目等)时，P州[EC能获得较好的并行性能。