论文部分内容阅读
本文主要研究面向网格的算法并行实现技术，研究面向网格的可扩展并行计算模型，构造面向网格的并行演化算法框架。本文在实现基于群体分组并行策略的演化算法(Coevolution-typeparallelEAs，简称Co-PEA)的基础上，构造和实现了基于空间分解并行策略的演化算法(SpacedecompositionbasedparallelEAs，简称Sp-PEA)，可支持网格环境下的动态资源分配。
文中采用主从通信模式实现Co-PEA并行算法，利用主进程上的数据交换操作实现了演化算法中复杂的算子迁移。本文采用可分解/可拼接编码和对等模式实现Sp-PEA并行算法，使用了针对函数优化问题的多种杂交算子和变异算子。其中可分解/可拼接编码是一种自适应编码，多种杂交算子和变异算子针对多维函数优化问题做了改进。Sp-PEA和Co-PEA比较，具有更好的收敛性能，可扩展性得到了提高，更适合在网格平台上运行。
本文针对集群环境实现了演化算法的并行，并在自强3000集群环境下实际运行了两种算法。对并行运算实验结果，分析了算法的并行效率。结果表明Co-PEA算法在合适的节点规模下加速比比较理想；Sp-PEA算法的解精度随节点规模增加而明显提高，这点非常具有实用价值，说明算法可以很好的支持网格环境下的动态资源分配。本文还对两种算法的实验结果进行了比较，表明Sp-PEA有更好的收敛性能和可扩展性，更适合在网格平台上运行。
本文进一步针对网格环境下动态资源分配的特点实现了算法的并行，给出在网格环境下Co-PEA算法和Sp-PEA算法会遇到的问题及解决方法，并对Sp-PEA算法做了改进，实现了对网格环境下动态资源分配的支持。并介绍算法在网格环境下的执行过程，实际运行了两种算法，给出了Sp-PEA在动态资源分配情况下的实验结果。
本文最后给出了进一步的工作方向。可以以网格服务的形式提供计算服务。还可以结合网格平台上的数据管理功能，将运行参数和计算结果保存在网格的数据库中，有利于对算法的分析。
本文所有集群环境下的工作都已在自强3000高性能计算机上实现，所有网格环境工作已在上海高校网格e-网格计算应用平台上实现。