一种适用于大规模变量的并行遗传算法研究

作者：李东; 潘志松

来源：计算机科学, 2012, 39(07): 182-184+204.

DOI：10.3969/j.issn.1002-137X.2012.07.041

• 大规模变量
• MapReduce
• 并行遗传算法
• 多目标优化问题
• 性能分析 Large-scale variables,MapReduce,Parallel genetic algorithms,Mult-objective optimization,Performance analysis

当前MapReduce并行编程模型得到了广泛的应用。相对于传统的基于PVM或者MPI的并行编程方式,它在执行时间和处理问题规模等方面有明显优势。针对并行遗传算法的特点,提出基于MapReduce实现一种典型的并行遗传算法——粗粒度并行算法的方法,用以解决大规模变量问题。实验平台采用Hadoop,硬件条件为普通的服务器集群。在多目标优化问题测试中,当问题规模达到一定、处理变量数超过10E 7时,并行算法效率比串行提高数倍,并且能突破内存瓶颈。根据MapReduce自身特点调整其参数,改变并行程度,分析其对并行执行时间的影响。

• 单位
  自动化学院; 解放军理工大学