基于大值堆的自调整粗粒度并行遗传算法模型

作     者：滕腾 李龙澍 TENG Teng;LI Long-shu

作者机构：安徽大学计算机科学与技术学院安徽合肥230039 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 

基　　金：国家自然科学基金项目(60273043) 安徽省自然科学基金(050420204) 安徽省高校拔尖人才基金(05025102) 安徽省教育厅自然科学研究项目(2006KJ098B) 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2007年第17卷第10期

页      码：105-108,112页

摘      要：一般粗粒度并行遗传算法(CGGA)的性能受诸多因素的影响表现不尽如人意。以降低通信代价为主要目标,受物种金字塔模型的启发,设计了一种双阈值限制下的自调整堆结构,并对其堆调整具体操作进行了改进,以期望改进后算法中种群间的通信代价大幅度降低,优化收敛速度,提高算法效率。通过对遗传算法的几个典型测试函数通信量的分析和实验表明,基于该模型的并行遗传算法在降低通信代价、提高收敛速度、优化最终解方面收效明显。

主 题 词：并行遗传算法 CGGA 通信代价 堆模型 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1673-629X.2007.10.030

馆 藏 号：203578680...