云环境下求解大规模优化问题的协同差分进化算法
差分进化是一种求解连续优化问题的高效算法.然而差分进化算法求解大规模优化问题时,随着问题维数的增加,算法的性能下降,且搜索时间呈指数上升.针对此问题,本文提出了一种新的基于Spark的合作协同差分进化算法(SparkDECC).SparkDECC采用分治策略,首先通过随机分组方法将高维优化问题分解成多个低维子问题,然后利用Spark的弹性分布式数据模型,对每个子问题并行求解,最后利用协同机制得到高维问题的完整解.通过在13个高维测试函数上进行的对比实验和分析,实验结果表明算法加速明显且可扩展性好,验证了SparkDECC的有效性和适用性.
差分进化、大规模优化、协同进化、弹性分布式数据集、云计算
13
TP301(计算技术、计算机技术)
国家自然科学基金项目61364025,61763019;武汉大学软件工程国家重点实验室开放基金项目SKLSE2012-09-39;九江学院科研项目2013KJ30,2014KJYB032;江西省教育厅科技项目GJJ161076,GJJ161072
2018-04-11(万方平台首次上网日期,不代表论文的发表时间)
共11页
243-253