论文部分内容阅读
进化计算是计算智能领域的一个研究热点,已成功应用到机器学习、过程控制、经济预测、工程优化等方面。随着问题规模的不断扩大,面对复杂程度越来越高的搜索空间,进化计算在优化效率(时间)和求解质量上都显得“力不从心”。 为解决大规模复杂优化问题,本文就并行进化计算的并行化原理和应用平台进行分析,提出了基于Internet环境的并行进化计算(Internet-based ParallelEvolutionary Computation,简称IPEC)。论文以遗传算法为例,详细分析了不同应用平台下并行遗传算法的实现特点,着重探讨了基于Internet的并行遗传算法(Internet-based Parallel Genetic Algorithm,简称IPGA)实现中的关键问题,并给出具体程序实现。为提高算法的性能,作者对遗传算法进行三种改进:首先,为克服遗传算法早熟收敛,作者提出一种新的二元浮点补码变异算子;其次,模拟生物自然进化模式,为并行遗传算法提出了一个新的并行拓扑结构----无定向拓扑连接;最后,作者提出一种区间分解优化思想,来提高对最优解的搜索能力。论文的最后,作者将IPGA应用于网络优化设计。实验表明,IPGA能显著节约寻优时间,大大提高寻优质量,为解决巨量优化问题提供一个可行的解决方法。