导读:本文包含了分布式并行遗传算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,分布式,小生境,路径,负载均衡,车辆,消息。
分布式并行遗传算法论文文献综述
王超,袁杰红[1]（2019）在《分布式并行遗传算法求解多车型车辆路径问题》一文中研究指出传统遗传算法在求解HVRP问题时寻优效率不高,在搜索过程中易陷入局部最优,发生早熟。为解决上述问题,文章在传统遗传算法的基础上,采用多个子算法并行分布、同时迭代的方式调整算法结构,并引入迁移算子实现迭代过程中各子算法间的信息共享,以提升寻优效率。(本文来源于《物流科技》期刊2019年10期）
张静波[2]（2018）在《以并行遗传与蚁群算法为核心的分布式数据库优化》一文中研究指出信息化时代背景下,大数据的出现使得分布式数据库得到了广泛应用,在分布式数据库查询中,不仅要求查询结果的准确性,还要求较高的查询效率。如何通过科学合理的算法,促进数据查询效率的优化,是本文研究的关键。结合遗传算法和蚁群算法的基本原理,提出了一种基于并行遗传-最大最小蚁群算法(PGA-MMAS),并对其进行了仿真实验。结果表明,该算法检索效率较遗传算法和蚁群算法更高,能够显着提升分布式数据库查询效率。(本文来源于《通讯世界》期刊2018年01期）
林基明,班文娇,王俊义,童记超[3]（2016）在《基于并行遗传-最大最小蚁群算法的分布式数据库查询优化》一文中研究指出针对分布式数据库中关系及其分片多副本、多站点存储的特性会增加查询搜索空间及时间复杂度,从而降低查询执行计划(QEP)搜索效率的问题,提出一种基于分片分配选择器(FSS)设计准则的并行遗传-最大最小蚁群算法(PGA-MMAS)。首先,结合实际的企业分布式信息管理系统设计FSS,启发式选择较优关系副本,以减少查询连接代价并缩小PGA-MMAS的搜索空间;然后结合遗传算法(GA)收敛较快的优势,对最终连接关系进行编码和并行遗传操作,得到一组相对较优的QEP,并将其转化为并行最大最小蚁群算法(MMAS)的初始信息素分布,从而使其更快速地搜索到全局最优QEP;最后分别在不同关系数情况下对算法进行仿真实验,结果表明,基于FSS的PGA-MMAS搜索最优QEP的效率高于原GA以及基于FFS的GA、MMAS和GA-MMAS;经实际工程应用验证,所提算法搜索出的高质量QEP可以提高分布式数据库多关系查询效率。(本文来源于《计算机应用》期刊2016年03期）
潘欣,刘海燕,廖安,鄢烈祥,史彬[4]（2015）在《种群分布式并行遗传算法解化工多目标优化问题》一文中研究指出带精英策略的非支配排序遗传算法(NSGA-II)在与流程模拟软件Aspen Plus结合求解化工多目标优化问题方面耗时较高。为了解决这一问题,本文提出了一种种群分布式的并行遗传算法(populations distributed parallel genetic algorithm,PDPGA),将模拟计算任务分配给局域网的多台子节点计算机并行执行。以氯乙烯精制的多目标优化过程为研究对象,选取氯乙烯采出量最大化和系统总能耗最小化为两个目标,低沸塔和高沸塔的质量回流比、塔顶馏出率和塔压6个操作参数为优化变量。分别应用PDPGA和NSGA-II对上述过程进行优化求解,二者的种群规模均设为70,进化代数均设为70,PDPGA使用1主节点和2子节点共3台计算机。结果表明,与直接应用NSGA-II进行串行优化相比,PDPGA优化方法能充分利用闲置的计算机资源、有效提高解得质量和大幅降低优化计算的时间。(本文来源于《化工进展》期刊2015年05期）
唐天兵,韦凌云,谢祥宏,严毅[5]（2011）在《分布式并行计算环境下混合遗传算法的研究》一文中研究指出为提高混合遗传算法的计算效率和求解质量,提出一个并行混合遗传算法框架。该框架主要由遗传算法、小生境操作和单纯形3部分组成,遗传算法和小生境操作采用串行执行方式,单纯形采用分布式并行执行方式。分布式并行计算环境由4台计算机通过交换机连接构成,并设计了一个动态任务调度方案。一个典型工程算例验证了新算法的有效性,并且在分布式并行环境下取得了较好的加速比和并行效率。(本文来源于《计算机工程与应用》期刊2011年09期）
黄进腊,李庆春,樊婷婷[6]（2010）在《基于分布式并行遗传算法的相对波阻抗反演方法》一文中研究指出目的研究地震相对波阻抗反演的优化方法。方法比较遗传算法二进制编码、实数编码在最优个体保存策略、随机均匀分布选择、分散交叉、高斯变异和分布式并行方案下的全局寻优能力。结果实数编码分布式并行遗传算法优于基本遗传算法,用该方法对数值模型和实际地震剖面进行波阻抗参数反演,验证了分布式并行遗传算法的有效性、优越性。结论基于分布式并行遗传算法的相对波阻抗反演,为遗传算法在地震属性的优化研究中提供了一种改进思路。(本文来源于《西北大学学报(自然科学版)》期刊2010年05期）
刘康珍,杨格兰,张杰良,肖和平[7]（2009）在《基于并行遗传算法的分布式VOD系统负载均衡研究》一文中研究指出在大型VOD(VideoOnDemand)系统中,服务器需要响应来自用户的大量并发请求,不仅视频服务器成为系统的瓶颈,负责负载均衡的应用服务器也日益成为系统的瓶颈。基于分布式VOD系统的结构,采用并行遗传算法对大型分布式VOD系统的负载均衡进行了研究,提出并实现了一种基于并行遗传算法的分布式VOD系统负载均衡调度算法。实验结果表明,与不采用负载均衡和采用串行遗传算法的负载均衡调度算法相比,该算法能够显着提高VOD系统的处理性能和响应能力。(本文来源于《计算机应用与软件》期刊2009年09期）
陈然[8]（2009）在《基于分布式并行遗传算法的网格任务调度研究》一文中研究指出任务调度系统是网格计算系统的重要组成部分,也是实现高性能网格计算的关键技术,遗传算法由于具有良好的全局搜索能力,在处理任务调度问题时比传统调度算法更具优越性。但是基本遗传算法(SGA)存在如“过早收敛”、求解精度不高和寻优时间较长等不足。本文针对网格任务调度问题,研究遗传算法的并行化处理方法,提出了一种分布式并行遗传算法。主要研究以下内容:1.研究网格任务调度机理、过程和现有的任务调度算法。针对子任务间存在依赖关系的网格任务调度情况,以实现任务调度的最优跨度为目标,确定采用基于遗传算法的任务调度方案。2.分析遗传算法的基本原理,针对SGA“过早收敛”和求解精度不高的问题,引入精英保留机制的串行遗传算法(EGA),确保进化过程中产生的最优解不被后续的遗传操作破坏。分析了遗传算法的四种可能并行性,从全局并行的角度,基于群体分组的并行性提出一种分布式并行遗传算法(DPGA),该算法采用分布式并行模式,通过引入子种群最优个体迁移策略,提升了子种群个体平均适应度,提高了算法求解精度。3.针对网格任务调度问题特点,采用C语言和消息传递接口(MPI)实现DPGA,并在PC机群中对DPGA、EGA和SGA进行网格任务调度模拟仿真,将它们对不同任务规模的调度时间性能进行对比分析。实验结果表明,本文提出的DPGA相对于EGA和SGA具有更好的搜索能力和更快的收敛速度,能够实现网格任务调度的最优跨度。(本文来源于《湖南科技大学》期刊2009-04-15）
李运华,吴宏昺,盛万兴,刘科研[9]（2008）在《分布式并行混合遗传算法在无功优化中的应用》一文中研究指出将模拟退火算法与普通遗传算法结合,同时引入分布式MPI技术,实现了分布式的多种群算法。该算法用个体迁移策略来协调优化各个种群,用最优值恢复策略来稳定优化方向,并通过分布式计算的应用,有效地缩短了计算时间。通过运用IEEE14节点标准数据运算,证明了这种算法在电力系统无功优化计算中具有很高的稳定性和快速求解能力。(本文来源于《电力系统及其自动化学报》期刊2008年02期）
刘科研,李运华,盛万兴[10]（2008）在《基于分布式并行遗传算法的电力系统无功优化》一文中研究指出针对传统遗传算法寻优质量差、计算时间长的问题,提出了基于计算机集群的一种新的分布式并行遗传算法解决电力系统无功优化问题.采用遗传模拟退火算法和分布式并行计算MPI(Message Passing Interface)技术,实现多进程的分布式集群计算.该算法通过个体迁移策略来协调优化各个子种群,使用计算效率来判断计算负载状态,采用动态种群来进行负载平衡.通过运用标准测试算例IEEE14节点和一个实际电力系统的无功优化计算,结果表明这种算法具有很高的稳定性,有较好的并行效率,适合求解大规模电力系统的无功优化问题.(本文来源于《北京航空航天大学学报》期刊2008年01期）
分布式并行遗传算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
信息化时代背景下,大数据的出现使得分布式数据库得到了广泛应用,在分布式数据库查询中,不仅要求查询结果的准确性,还要求较高的查询效率。如何通过科学合理的算法,促进数据查询效率的优化,是本文研究的关键。结合遗传算法和蚁群算法的基本原理,提出了一种基于并行遗传-最大最小蚁群算法(PGA-MMAS),并对其进行了仿真实验。结果表明,该算法检索效率较遗传算法和蚁群算法更高,能够显着提升分布式数据库查询效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布式并行遗传算法论文参考文献
[1].王超,袁杰红.分布式并行遗传算法求解多车型车辆路径问题[J].物流科技.2019
[2].张静波.以并行遗传与蚁群算法为核心的分布式数据库优化[J].通讯世界.2018
[3].林基明,班文娇,王俊义,童记超.基于并行遗传-最大最小蚁群算法的分布式数据库查询优化[J].计算机应用.2016
[4].潘欣,刘海燕,廖安,鄢烈祥,史彬.种群分布式并行遗传算法解化工多目标优化问题[J].化工进展.2015
[5].唐天兵,韦凌云,谢祥宏,严毅.分布式并行计算环境下混合遗传算法的研究[J].计算机工程与应用.2011
[6].黄进腊,李庆春,樊婷婷.基于分布式并行遗传算法的相对波阻抗反演方法[J].西北大学学报(自然科学版).2010
[7].刘康珍,杨格兰,张杰良,肖和平.基于并行遗传算法的分布式VOD系统负载均衡研究[J].计算机应用与软件.2009
[8].陈然.基于分布式并行遗传算法的网格任务调度研究[D].湖南科技大学.2009
[9].李运华,吴宏昺,盛万兴,刘科研.分布式并行混合遗传算法在无功优化中的应用[J].电力系统及其自动化学报.2008
[10].刘科研,李运华,盛万兴.基于分布式并行遗传算法的电力系统无功优化[J].北京航空航天大学学报.2008
论文知识图
