基于并行机制的免疫遗传算法的研究及应用

发布时间：2021-09-01 10:43

　　伴随着遗传算法应用的深入开展,由于遗传算法有着其他优化算法不可比拟的优点,因此,遗传算法在优化计算中得到了广泛的应用,将遗传算法用于解决各种实际优化问题后,人们发现遗传算法也会由于各种原因,产生所谓“早熟收敛”问题,从而影响算法向全局最优解的搜索。随着科学技术的不断发展,问题规模的不断扩大,面对复杂程度越来越高的搜索空间,遗传算法在优化效率和求解质量上都显得“过于苍白”。为了加速决策的时效性和准确性,在文中以无源光网络中OBD与OUN位置分配问题为例,在工作站机群上对此算法进行研究。首先,本文研究了根据生物机体免疫系统的抗原识别、保持抗体的多样性和免疫记忆的特性而提出的一种改进遗传算法——免疫遗传算法,该算法将生物系统免疫思想引入到遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了全体中的较优抗体又保证了抗体的多样性,从而避免搜索进化的过早收敛,得到全局最优解。本文通过对改进的免疫遗产算法和传统的遗传算法的产生效果进行比较,证明了IGA的有效性和优越性。其次,本文通过对并行遗传算法的发展和特点进行综述,并介绍并行处理的硬件系统及其并行环境下的支撑软件——工作站机群平台上所采... 

【文章来源】：山东师范大学山东省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

免疫细胞等位基因的信息熵

Memory)的多处理机系统(Multiprocessor)和分布存储(Distributed Memory)的多计算机系统(Multicomputer )两类(如图I ):图3-1 并行处理机的分类共享存储的多处理机系统是指多个处理机通过总线、开关阵列或多级网络等方式共享一个公共的存储器，分散在各个处理器中的应用程序的各部分之间可以方便地通过共享的存储变量来交换数据并实现各种互斥和同步操作。由于受到存储器带宽的限制，这类系统的可扩展性(Scalability)较差，一般很难达到较大的规模和非常高的性能。

过互连网络连接起来，利用各节点的资源(如CPU、内存、硬盘及IIO设备等)形成一个松藕合的并行系统。图3-2 工作站机群机群系统主要有以下优点[30]：（1）投资风险小：用户在购置传统巨型机或MPP系统时，总是担心使用效率不高和性能发挥得不好，如果购置后在一定程度上确实出现此问题，就相当于搁置或浪费了大批资金，但COW不存在此问题，因为每台高性能的工作站仍可独立使用，故而在较长时期内不会浪费资金；（2）编程方便:用户无需学习新的并行程序设计语言(如并行C、并行C++、

【参考文献】：
期刊论文
[1]遗传算法在无源光网络中的应用研究——基于ONU与OBD的位置分配问题[J]. 张建萍,刘希玉.  计算机技术与发展. 2006(11)
[2]基于遗传算法的最短路径路由优化算法[J]. 孙宝林,李腊元,陈华.  计算机工程. 2005(06)
[3]一种基于遗传算法的知识规则挖掘算法[J]. 张志立,张鹏,齐德昱.  郑州大学学报(理学版). 2004(03)
[4]基于PC集群系统的MPICH大规模并行计算实现与应用研究[J]. 刘信安,李佳.  计算机与应用化学. 2003(05)
[5]智能交通系统中车辆调度问题的遗传算法研究[J]. 滕继涛,张飞舟,李跃鹏,范跃祖.  北京航空航天大学学报. 2003(01)
[6]计算智能融合应用研究[J]. 莫宏伟,金鸿章,王科俊.  自动化技术与应用. 2002(05)
[7]并行遗传算法分析[J]. 曾国荪,丁春玲.  计算机工程. 2001(09)
[8]免疫-遗传算法用于混合物重叠核磁共振信号解析[J]. 邵学广,孙莉.  高等学校化学学报. 2001(04)
[9]隔离小生境遗传算法研究[J]. 林焰,郝聚民,纪卓尚,戴寅生.  系统工程学报. 2000(01)
[10]基于一种免疫遗传算法的BP网络设计[J]. 周伟良,何鲲,曹先彬,程慧霞.  安徽大学学报(自然科学版). 1999(01)



本文编号：3376837