基于RDD的分布式粒子群优化算法
在演化计算领域,粒子群优化算法具有易实现、收敛快、调参少等优点.但是随着问题规模的增大,粒子群优化算法易陷入求解精度不高、耗时过长的窘态,因此本文提出一种基于弹性分布式数据集(Resilient Distributed Datasets,RDD)的分布式粒子群优化算法.该算法采用岛模型将种群分解为若干个岛屿,即子种群,然后使用RDD并行数据结构将整个种群并行化,使得每个岛屿对应RDD中的一个分区,借助RDD的分区并行,实现了粒子群优化算法在分布式平台上的并行.最后,对包括单峰函数和多峰函数在内的11个标准测试函数,将该算法与多种改进的PSO算法进行了比较实验与分析,结果表明该算法求解精度高且加速效果明显.
粒子群优化、弹性分布式数据集、岛模型、并行计算
37
TP18(自动化基础理论)
国家自然科学基金项目61364025,61070008;中央高校基本科研业务费专项资金项目2012211020205;武汉大学软件工程国家重点实验室开放基金项目SKLSE2012-09-39;江西省教育厅科学技术项目GJJ13729;河北省科技支撑计划项目12210319;南通市科技局应用研究项目BK2014057
2017-04-26（万方平台首次上网日期，不代表论文的发表时间）
共5页
2542-2546
