主从式并行遗传算法框架应用＊

３ ｕＩｔ ｔｏＡｃｉ ｔｅ ｎｕｒ Ｈｆ， ２， ａ Ａ ｈｉ ｔｅ ｒ ｔ ｕ ＆Ｉ ｓ ， ｅ ２０ ２Ｃｉ ｎ ｎｉ ｆ ｅ ｒ ｄ ｔ ｓｕ ｈｃ ｙ ｅ ｉ ３０ ｈ ｎ
Ａ ｓ ａｔ ｓｒ ｌ ｅ ｆ ｍ ｗ ｒ ｉａ ｏｅ ａｄ ｓ ｌ Ｇ ｎｔ Ａｇｒｈ ｆｍ ｗ ｒ． ｒｃ ｂｔ Ｍａ ｅ Ｓ ｖ Ｇ ｒ ｅ ｏ ｓ ｐｎ ｒ ａ ｅ ｅｃ ｏ ｔ ｒ ｅ ｏ Ｉｉ ｔ－ ａ Ａ ａ ｋ ｎ ｎ ｅ ｂ ｅ ｉ ｌ ｉｍ ｕ ａ ｋ ｔ ｓ ｄｖｌ ｅ ｂ Ｖ Ｃ ｉｏ ｏ ＂ 几 Ｃｒ ｌ Ｆ Ｒ Ｒ Ｎ ｎｔ Ａｇｒｈ Ｄｉ ｒ Ｉ ｔｓ ｅ ｗ ｅｅ ｐｄ Ｃ Ｄｖ ｉ ｎ ． ａ ｏ＇ Ｏ Ｔ Ａ Ｇ ｅｃ ｏｔ ｒｅ ． ｉｐｐｒ ｅ ｏ ｙ ｉｓ ｎ Ｄ ｒｌ ｓ ｅ ｉ ｌ ｉｍ ｖ ＂ ｎ ａ ， ｈ ａｐｉ ｉｔ ａ ｓ ｃｍ ｕｎ ｐｏ ｌ Ｔ ｅ ｇａ ｗ ｓｏ ａ ｂ Ｘ ｏ ｗ ｒｓ ｔ ｎ ｔｅ ｕ ｐｌｄ ｏ ｈ ｉ ｏ ｐｔ ｇ ｂ ｍ． ｐｏｒ ｅ ｔ ｐｙ ｃ ｉ ｒ ｅ ｈ ｒ ｍ ｔ ｔ ｄｕｌ ｅｎ ｋｔ ｉ ， ｒｓｌ ｓ ａ ｅ ｎ ｏ ｅ ｏ ａｏ ｈ ｅ ｔ ａｄ ｌ ｉｗ ｓ ｅ ｔｏ ｎ ａａ ｓ ａ ｇ ｎ ． ｎ ｙ ｓ ｉ ｏ ｖ Ｋ ｙ ｒｓ ａｅ ｅｅｃ ｏｉｍ ； ｔ－ｌ ｅＰｙｉ ｏ ｐｔｇ ｏｄ Ｐｒ ｌ Ｇ ｎｔ Ａｇｒｈ ｓＭａ ｅ Ｓ ｖ； ｓ ｃｍ ｕｎ ｅｗ ａ ｌｌ ｉ ｌ ｔ ｓ ｒ ａ ｈ ｃ ｉ
１引
１ 遗传算法 ． １
言
遗传算法是一种模拟自 然选择过程的有效的随机化搜索方法。它将问题的解表示成染色体，即三进 制编码串。在搜索前给出一定种群大小的染色体群，然后将这些初始染色体至于问题的环境中，并按适 者生存、优胜劣汰的遗传机制，从中选出较适应环境的染色体进行复制，再进行交叉、变异过程。产生 更适应环境的新一代染色体群。这样一代一代地进化，最后就会收敛到最适应环境的一个染色体上，即
主从 式并行遗传 算法框架应用
１９ ０９
主从式并行遗传算法框架应用＊
安竹林 ’ 刘晓平 ’ 张伟林 ’ ， ２
合肥 ｝ 业大学计算机与信息学院可视化与协同计算 （ Ｃ ）研究室， ＶＣ 合肥 ２００ ３０９ ２ 中国科学院等离子体物理研究所 Ｃ Ｄ室 合肥 ２０３ Ａ ３０１
３ 安徽建筑 ｒ ｝ ＿ Ａ学院 合肥 ２０２ ３０２
目 前并行遗传算法的实现大致可以 分为三类［ Ｄ Ｉ ：全局型一主从式模型， 独立型一粗粒度模型，分散
型一细粒度模型。主从式模型是遗传算法并行化的一种最直接的方式。主从式并行遗传算法系统分为一 个主处理器和若干从处理器，主处理器监控整个染色体种群，并基于全局统计执行的选择操作，各个从 处理器接受来 自主处理器的个体进行重组交叉和变异，产生新一代个体，并计算适应度再把结果传给从 处理器。主从式并行遗传算法比较直观，并且针对适应度评价计算量大的问题， 主从模式可以的到接近
Ｃ＇ Ｅ ０ 苏雾Ｉ ０ Ｐ（ Ｕ 吞Ｃ ． ｓ ８ ８
３６ ． ９ ９
２． ９ ０ ５
０８ ５ ．８
０８ ０ ．９
０８ ５ ．９ ４ ．４ ９０ ８ ２ ．３ ６５ ７
０９ ０ ．０ ６ ．７ ６１５ ３ ３ ４５ ０ ８ ．４
２４ 卫４
４０ ． ３８
１ ．４ ９７ ４ １ ．６ ０５ １
‘ 基金项目 ：女徽省教育厅自 然科学研究项目２０ｋ ９） （ ４ ０７，安徽省自 ０ ｊ 然基金项目 （１ ２０） ００ ２１，国家自 ４ 然基金项目 共同资
助 （ ０ ７０ ４ ６ ２ ３４ ）
集群计算：刘晓平（ ６－ 男，山东济南人， １ ４， ９ ） 教 硕士研究生， 研究方向为协同计算、 安竹林 （９０ ， ， １８－ 男 山东省青岛人， ） 研究方向为网络与并行计算。 授， 博导， 研究方向为Ｃ ＤＣ 。 Ａ ／Ｇ 张伟林（ ５－ 男 安徽毫州人， １ ４， ， ９ ） 教授，
２ 与实际问题的结合 ． ３
主从式并行遗传算法框架， 继承了原 “ 遗传算法驱动” 的易用性，其应用与 “ 遗传算法驱动”完全相同。其内部 的遗传算法与 Ｍ Ｉ Ｐ 对用户是完全透明的， 使用者不需要具 备遗传程序设计和并行程序设计基础，只要略知遗传算法 的机理，便可应用该框架求解实际问题。 具体应用时只需作如下修改：
通过表 １ 所示可以看出，优化值较原经验值更加逼近目标值，这说明遗传算法对问题的求解是非常
成功的。
表２ Ｃ Ｕ同时趋向给定精度的耗时，由此可以清楚的着出单双 Ｃ Ｕ耗时随适应度的增加而 为单双 Ｐ Ｐ 增加。同时对于同一适应度值，单 Ｃ Ｕ耗时大致为双 Ｃ Ｕ的两倍，这种情况在表 ３中更加明显，加速 Ｐ Ｐ 比基本恒定不变。 这说明了该遗传算法框架具有良 好的并行性，极大的提高了原遗传算法的时间性能。
小半径
１０ ． ０７ ５ ．９ ０８ ４ ．０
三角变形
０４ ０５ ．－ ． ０ ４１ ． １ ０４ ６ ．５
拉 ｅ比 ．
１８ ２ ０ ．－ ． ２３ ８ ．３ ２２ ４ ．９
单双 Ｃ Ｕ同时趋向给定精度的耗时如表 ２ Ｐ 所示：
表 ２ 性能测试结果
传算法框架应用于该问题的求解。由于该问题的可行解在解空间中占的比例非常小，所以在实际应用中 通常给出一个经验值，在此经验值附近寻找最优值。
３ 测试方法 ． ２ 测试方法是，分别记录串并行程序到达指定精度的适应度的时间，并计算加速比。需要指出的是， 由于遗传算法是一种随机算法，对于不同的随机数种子，其计算过程是各异的。因此，为了使串并行程 序的计算过程具有可比 性， 整个计算过程采用相同的随机数种子。
主从式并行遗传算法框架应用
． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ．． ． ．皿 ． 里 ．． ． ．． ． ．． ． ．． ． ．． ． ．． ． ．． ． ．． ． ．． ． ．． ．． ． 鱼口 鱼鱼 鱼 鱼 鱼鱼 鱼 鱼鱼 鱼 里 皿里 口口国困 里 国 鱼 鱼 鱼 鱼 鱼 口． 自里 里旦旦旦旦巨旦
４ 结
论
本文成功的将主从式并行遗传算法框架应用于一物理计算问题的求解，结果和时间效率均达到非常 好的效果。由 于该问 题的可行解在解空间中占的比例非常小，使其不能利用遗传算法直接求解， 这必须 就改进遗传算法，这是我们以后要完成的。
参 考 文 献
［ Ｅｉ Ｃ ｎ －ａ Ａ ｒｅ ｏ Ｐ ｒｌｌ ｅｃ ｏｉｍ ． Ａ Ｒ ｐｒＮ ９０３ Ｉｉ ｉＧ ｎｔ １ ｒｋ ｔ Ｐｚ． Ｓ ｖ ｆ ａ ｅＧ ｎｔ Ａｇｒｈ ｓＩｉ Ｌ ｏｔ ７０， ｏ ｅｅｃ ］ ｃ ａ ｕ ｕ ｙ ａ ｌ ｅ ｉ ｌ ｔ ｌＧ ｌ ｅ ｏ ｌ ｓ ｉ ｌ ｎ Ａｇｒｈ Ｌｂｒｏ Ｕｂｎ， ９７ ｓ ｏ ｔ ， ａａＩ． ． ｌ ｉｍ ａ ａ ｒ ｒ ｏｔ ｙ Ｌ１９ ［ Ｆ Ｒ Ｒ Ｎ ｎｔ Ａｇｒｈ （Ａ Ｄｉ ｒ ｖｉｂ ａ ｈｐ ｃ ｅｓ ｃｃ ／ｒｌ ａｔｌ ２ Ｏ ＴＡ Ｇ ｅｃ ｏｉｍ ） ｖ Ａ ａａｌ ｔ ｕ：ｕ ｒｐ ｅｏ ｃｒｌ ． ］ ｅ ｉ ｌ ｔ Ｇ ｒｅ ｌ ｅ ／ ａｏ ａ ．ｍ ａｏ／ ｈ ： ／ ｇ ｍ
（ Ｉ ）在配置文件中，设定遗传算法参数以 及可调参数
范 围。 图 １主从式遗传算法框架结构
（ ２ ）将待求解问题作为一个子程序加入框架中，并由
此பைடு நூலகம்程序确定适应度函数。
３ 应
３ 问题描述 ． １
用
文［提出了 一个典型的 计算问 该问 有计 ［ ３ ］ 物理 题， 题具 算量大， 长等 耗时 特点。 将主从 本文 式并行 遗
１０ １０
计算机技术与应用进展 ．０４ ＂０ ２
线性的加速比。
２ 主从式并行遗传算法框架
２ 简介 ． １
主从式并行遗传算法框架， 是在Ｄ ＬＣｒｌ 遗传算法驱动”２ ． ａｏ 的“ ． ｌ ｒ ［ １ 基础上改 进而成的。 ． ａｏ ＤＬＣｒｌ ． ｌ ｒ
的“ 遗传算法驱动”是一个免费的结构化遗传算法框架。利用该框架，只需要编写和改动少量的代码， 即可在相应的程序程序中加入遗传算法。主从式并行遗传算法框架对原框架所进行改进，旨 在维持其原 来的易用性的同时，在其内部封装对Ｍ Ｉ Ｐ 的调用， 从而使原框架可以在Ｍ Ｉ Ｐ 环境中并行的执行。
［ 虞清泉，朱思铮，查学军． ３ ］ 托卡马克等离子体平衡的数值研究． 计算物理， ０， （ ４３ １． ２ ０ ９ ） － ８ ０ １ ５ １４
１０ １２
计算机技术与 应用进展 － ０ ２４ ０
Ａ ｐｉ ｔ ｎ Ｍａｔ －ｌ ｅ ａｅＧ ｎｔ Ａｇｒｈ ｐｌａｏ ｏ ｓ ｒ ａ Ｐｒｌｌ ｅｃ ｏｉ ｍ ｃ ｉ ｆ ｅ Ｓ ｖ ａ ｌ ｅ ｉ ｌ ｔ
２ 程序结构 ． ２
主从式并行遗传算法， 行程序所作的主要改动是， 对串 在适应度的计算阶段，由主处理器将适应度的计算分配到 各个处理器上去进行，计算完毕之后再由主处理器收集结 果。然后由土处理器进行选择、交叉、变异等操作，并由 此产成新一代种群，从而完成一次循环。主从式遗传算法 框架结构如图 ］ 所示：
Ｆ ａ ｗｏ ｋ ｒ ｍｅ ｒ
Ａ Ｚｕｉ Ｌ Ｘａ ｉ ｔ ｈｎＷ ｉ ３ ｎ － ｔ ｉｐ ｇ２ ａ ｅｉ ｈ ｌ ｉ ｏｎ ＇ ｎ ｕ Ｚ ｇ ｌ ｎ
Ｖ Ｃ ｖ ｉ ， ｏｌ ｏ ｐｔ ＆Ｉ ｏｍ ｔ ｎＨ ｆｉ ｖｒｔｏ Ｔｃｎｌ ｙＨ ｆｉ ３０９ Ｃ ｉ Ｃ Ｄ ｉｏ Ｓｈｏ ｏ Ｃ ｍ ｕ ｒ ｎ ｒ ａｏ， ｅＵ ｉ ｓｙ ｅｈｏ ｇ， ｅ ２００ ， ｎ ｉｓ ｎ ｃ ｆ ｅ ｆ ｉ ｅ ｎ ｅ ｉ ｆ ｏ ｅ ， ｈａ Ｉｓｔ ｅ ｌ ａ ｓ ｓＣ ｉ ｅ ｄｍ ｏ ｃ ｎｅＨ ｆ ， ０ １Ｃ ｉ ｕ ｏ Ｐａｍ Ｐ ｙｉ ， ｎｓＡ ａｅ ｙ Ｓｉ ｃ， ｅ ２０３， ｎ ｎｔ ｔ ｆ ｓ ｈ ｃ ｈ ｅ ｃ ｉ ｆ ｅ ｅｉ３ ｈａ
１０
３ 测试结果 ． ３ 遗传算法在第 １ 代找到最优值， ７ ２ 其与目 标值和经验值的比 较如表 １ 所示：
大半径 目标值 经验值 优化值
４０ ． ４０ ９ ．４ ４０ ０ ．０
表 １ 优 化结果 比较
问题的最优解
１ 并行遗传算法 ． ２
随着科学技术的不断发展，问题规模的不断扩大，面对复杂程度越来越高的搜索空间，串行遗传算 法的搜索过程将成倍地延长。因此， 其在优化效率和求解质量上都显得 “ 力不从心’ ， 。由于遗传算法有着 固有并行性，并行处理是很自 然的解决途径。并行遗传算法将并行计算机的高速并行性和遗传算法的大 然并行性相结合。极人的促进了遗传算法的研究与应用。并行处理不但加速了遗传算法的搜索过程，而 且由于种群规模的扩大和各子种群的隔离，使种群的多样性得以丰富和保持，减少了未成熟收敛的可能 性，提高了求解的质量。
双 Ｃ Ｕ相对单 Ｃ Ｕ的加速比如表 ３ Ｐ Ｐ 所示：
安 ３ 双 ＣＵ Ｐ 相对单 ＣＵ的加速比 Ｐ 精度 加速 比
旦８ ．０ ８
１９０ ． ７
些旦 互
１９１ ． ７
９９ ．旦 ８
１８ ９ ．６
旦９ ．５ ８
１８ ８ ．４
３ 结果分析 ． ４
摘 要 主从式并行遗传算法框架， 是合肥工业大学计算机与信息学院可视化与协同计算研究室 基于Ｄ Ｌ Ｃｒｏｌ “ ． ａｒｌ 的 遗传算法驱动”所开发的一个开放的可重用的遗传算法框架．本文将此框 ． 架应用于物理计算问题的求解，并在一台双至强处理器的工作站上对其进行了测试，并给出了测试
结果及分析。 －４ ｉ 并行债祛算法 主从式 物理计算 ｉ ａ ＿ ｌ