基于分级公平竞争策略的并行演化算法

在线咨询详情

 一、课题的意义

    基于分级公平竞争策略的并行演化算法是集合了遗传算法和并行算法的优势于一体，不仅减少运行时间、提高解的质量，还增加计算能力，即增加应用领域.并行演化算法除了，主从式、粗粒度、细粒度和分层四类并行化模型外，还有改进的并行演化算法.。它不仅仅将计算分布式处理，还利用多种群协同化减少了数值代价(numeric effort)，而大大地减少运算时间.因为种群的规模扩大以及种群隔离，提高了运算过程中种群的多样性，并因而提高解的质量.

   二、发展状况

   进入90年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题。尤其是遗传算法的应用研究显得格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中。此外一些新的理论和方法在应用研究中亦得到了迅速的发展，这些无疑均给遗传算法增添了新的活力。遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新、更工程化的应用方面。

至于并行算法，由于人们的思维能力以及思考问题的方法对并行不太习惯，且并行算法理论不成熟，所以总是出现了需求再来研究算法，不具有导向性，同时实现并行算法的并行程序性能较差，往往满足不了人们的需求。并行算法的研究历史可简单归纳为：上世纪70到80年代，并行算法研究处于高潮；到上世纪90年代跌入低谷；目前，又处于研究的热点阶段。现在，人们已经可以自己搭建PC cluster，利用学习到的理论知识来解决实际问题。目前并行算法研究的新走向是：并行算法研究内容不断拓宽，并行算法被纳入研究范畴；与广大用户领域结合，注重应用，强调走到用户中去，为用户解决问题；重视新的、非常规计算模式，如神经计算、量子计算等，这些模式能够解决某类特定问题，有其自身的优越性。

以上内容只是毕业设计作品的部分资料介绍,如果了解更多详情请联系客服QQ:57510459
     购买帮助>>