群智能算法及其并行計算技術(shù)的研究與應(yīng)用.pdf

1、人工智能技術(shù)和并行計算技術(shù)在21世紀(jì)得到了巨大的發(fā)展。其中，群體智能算法作為人工智能算法的一個重要分支，成為一個新興的研究熱點，得到了越來越多的科學(xué)家和工程師的廣泛關(guān)注。成熟的群智能算法包括遺傳算法，粒子群算法，人工魚群算法和人工蜂群算法等。這些算法均有效地利用了生物的群體性特征。并行計算一般是指許多指令可以同時進行的計算模式，一般是相對于串行計算來說的。傳統(tǒng)意義上的并行計算主要是為了快速解決大型且復(fù)雜的計算問題。一般的并行計算平臺都是

2、在Linux操作系統(tǒng)，結(jié)合MPI，CUDA，HADOOP等技術(shù)實現(xiàn)的。
　　智能計算技術(shù)在現(xiàn)實生活中有很多廣泛的應(yīng)用。例如，可以使用人工蜂群算法提高圖像的邊緣檢測效率，應(yīng)用粒子群算法實現(xiàn)無線傳感器網(wǎng)絡(luò)最短路徑的規(guī)劃，應(yīng)用遺傳算法完成蛋白質(zhì)結(jié)構(gòu)的識別等等。同時，隨著軟硬件的發(fā)展，并行計算技術(shù)也滲透到了日常生活的方方面面。眾所周知，在預(yù)測氣象方面，我們往往需要極大的計算資源。許多發(fā)達(dá)國家的氣象局已陸續(xù)在大規(guī)模并行計算機上運行業(yè)務(wù)系統(tǒng)，

3、力圖不斷提高氣象預(yù)報的精確性和時效性。同時，石油勘探也需要處理海量的數(shù)據(jù)，這對計算性能要求極高，算法也十分復(fù)雜。因此，并行計算技術(shù)已經(jīng)是現(xiàn)今提高石油勘探效率的關(guān)鍵。隨著科技的飛速發(fā)展，高性能計算在生物醫(yī)學(xué)領(lǐng)域也發(fā)揮了越來越重要的作用。尤其是在蛋白質(zhì)，DNA的生物測序工作方面，急需強大的計算能力。
　　在本文中，我們圍繞人工蜂群算法的理論，改進策略和實際應(yīng)用展開了深入細(xì)致的研究工作。同時，以人工蜂群算法為例，對群智能算法的并行化策略

4、，以及并行計算的相關(guān)技術(shù)進行了詳細(xì)的分析與研究。眾所周知，人工蜂群算法是一種模仿蜜蜂采蜜行為的智能算法。在自然界中，蜜蜂總是可以非常高效的找到可靠的蜜源?；谶@種生物群體性原理，科學(xué)家設(shè)計了人工蜂群算法，完成了算法對最優(yōu)解的尋找。在本文中，我們基于Linux平臺和MPI開源軟件開發(fā)包實現(xiàn)并行人工蜂群算法，有效提高了人工蜂群算法解決大型復(fù)雜問題的計算能力。
　　本文的主要貢獻(xiàn)和創(chuàng)新點如下:
　　介紹了人工蜂群算法的基本理論，并

5、針對其缺點和不足提出了改進策略。例如，在應(yīng)用人工蜂群算法求解工件調(diào)度問題的過程中，為提高算法的搜索效率，提出了自適應(yīng)變化步長的改進策略。并將改進算法與原始算法在性能上進行了比較。
　　在實際應(yīng)用方面，人工蜂群算法可以用來求解魯棒PID控制器的最優(yōu)參數(shù)整定問題，并實現(xiàn)對于魯棒PID控制器的多目標(biāo)優(yōu)化。其中的優(yōu)化目標(biāo)包含積分平方誤差，最大過沖和建立時間這三個衡量PID控制器性能的參數(shù)。在設(shè)計魯棒控制器的過程中，我們應(yīng)用了與博弈論知識相

6、關(guān)的最小最大方法，完成了可以適應(yīng)一定程度上參數(shù)波動的PID控制器。
　　根據(jù)人工蜂群算法天然的并行性，提出了一種并行人工蜂群算法，并將該算法用于求解經(jīng)典的NP問題——旅行商問題。由于計算一個大規(guī)模的旅行商問題需要極大的計算資源且消耗大量的時間，因此我們引入并行策略提高算法的性能和效率。整個并行計算平臺是在Linux下架構(gòu)的，使用MPI完成各個計算節(jié)點間的數(shù)據(jù)傳輸和任務(wù)調(diào)度。在本文中，我們還深入地討論了如何通過改進算法的并行策略來提