[1]滕腾 李龙澍.基于大值堆的自调整粗粒度并行遗传算法模型[J].计算机技术与发展,2007,(10):105-108.
　TENG Teng,LI Long-shu.A Self-Adjust CGGA Model Based on Max- Heap[J].,2007,(10):105-108.
点击复制

基于大值堆的自调整粗粒度并行遗传算法模型()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2007年10期
页码:
105-108
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
A Self-Adjust CGGA Model Based on Max- Heap
文章编号:
1673-629X（2007）10-0105-04
作者:
滕腾1; 2 李龙澍1; 2
[1]安徽大学计算机科学与技术学院[2]安徽大学计算智能与信号处理教育部重点实验室
Author(s):
TENG Teng;  LI Long-shu
[1]School of Computer Science and Technology , Anhui University[2]Ministry of Education Key Lab. of IC ＆ SP at Anhui University
关键词:
并行遗传算法; CGGA; 通信代价; 堆模型
Keywords:
parallel genetic algorithm;  CGGA;  communication cost;  heap model
分类号:
TP18
文献标志码:
A
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
Abstract:
Common coarse - grained genetic algorithrn（CGGA） has been criticized for many reasons. In this paper, focus on communication costs,gain the idea from creature specices pyramid structure and suggest a heap model limited under two valves expect to significantly reduce the communication costs between two groups. The expectation of migration costs and experiment on typical GA test functions in the last part of this essay all verify that this model could greatly decrease the cost of communication and accelerate the convergence speed

相似文献/References:

[1]周勇 刘锋.基于并行遗传算法的规则发现研究[J].计算机技术与发展,2008,(08):137.
　ZHOU Yong,LIU Feng.Research on Rule Discovery Based on Parallel Genetic Algorithm[J].,2008,(10):137.
[2]傅明 刘凯雄 肖静.一种用于网格的启发性智能调度策略[J].计算机技术与发展,2006,(11):119.
　FU Ming,LIU Kai-xiong,XIAO Jing.A Strategy of Heuristic Intelligent Scheduling Applied in Grid[J].,2006,(10):119.

备注/Memo

备注/Memo:
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）滕腾（1986-），男，安徽合肥人；李龙澍，教授，博士生导师。主要研究方向为智能软件和知识工程
更新日期/Last Update: 1900-01-01