发明名称 |
一种基于蚁群优化和遗传算法的粗粒度并行算法 |
摘要 |
本发明公开了一种基于蚁群优化和遗传算法的粗粒度并行算法,初始化m只蚂蚁的起始城市;蚁群周游一次,将周游结果作为GA的初始种群;蚁群周游一次,计算并记录本次周游具有最短路径的蚂蚁;运行GA的选择算子、GA的杂交算子、GA的变异算子;若迭代过程达到预先设定的迭代条件,计算并输出运行时间,输出最优解。经过大量计算表明,该并行算法的计算速度优于同等串行算法。 |
申请公布号 |
CN103903053A |
申请公布日期 |
2014.07.02 |
申请号 |
CN201410026790.0 |
申请日期 |
2014.01.18 |
申请人 |
内蒙古农业大学 |
发明人 |
董改芳;付学良;翟冰;李宏慧;扈华 |
分类号 |
G06N3/00(2006.01)I;G06N3/12(2006.01)I |
主分类号 |
G06N3/00(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种基于蚁群优化和遗传算法的粗粒度并行算法,其特征在于,包括以下步骤:A、各进程初始化:A1初始化m只蚂蚁的起始城市;A2蚁群周游一次,将周游结果作为GA的初始种群;B、各进程实施遗传蚁群合作方法:B1蚁群周游一次,计算并记录本次周游具有最短路径的蚂蚁;B2运行GA的选择算子;B3运行GA的杂交算子;B4运行GA的变异算子;B5计算并记录本次GA的最小个体MinGet i;B6如果本次周游蚁群最优蚂蚁的最短路径小于GA的最小个体的适应值,并且,这两者之中的较小值比上一次迭代所得的最小值小,用蚁群最优路径更新GA最小个体的染色体序列;如果本次迭代GA的最小个体的适应值小于蚁群最好蚂蚁的最短路径,并且,这两者之中的较小值比上一次迭代所得的最小值小,用GA最小个体的染色体序列更新蚁群最优路径;B7)如果迭代次数是一个素数的倍数,主进程收集各进程最优解,计算截止此次迭代具有最小值的进程号,并且将这个最小值及路径广播;B8)主进程判断此次迭代若达到实例最优解,则输出最优解及计算时间,强制退出程序;否则输出本次迭代最优解;B9)各进程对蚁群进行全局信息素更新;B10)如果迭代次数是另一个素数的倍数,则用蚁群的部分路径更新GA的部分染色体序列;C、重复步骤B,若迭代过程达到预先设定的迭代条件,转步骤D;.D、计算并输出运行时间,输出最优解。 |
地址 |
010018 内蒙古自治区呼和浩特昭乌达路306号 |