并行人工蜂群算法的研究與應用.pdf

1、群體智能優(yōu)化算法屬于隨機搜索算法的一種，由于其可以解決傳統(tǒng)優(yōu)化技術無法解決的優(yōu)化問題，因此受到眾多專家學者們的青睞。人工蜂群算法是新興的群體智能優(yōu)化算法，算法主要模擬自然界中蜂群覓食的行為機制來獲取問題的最優(yōu)解。由于人工蜂群算法具有設置參數少、計算簡單、并行性好、魯棒性強等優(yōu)點，在處理優(yōu)化問題時有著良好的優(yōu)化效果，吸引國內外眾多專家學者們進行了大量研究。
　　雖然人工蜂群算法處理優(yōu)化問題時有諸多優(yōu)點，但是算法仍然存在著易陷入局部最

2、優(yōu)解、過早收斂等問題。特別是人工蜂群算法在處理復雜高維度優(yōu)化和大規(guī)模優(yōu)化問題時，超長的算法運行時間難以接受。因此，為解決這些問題，很多研究學者著手研究人工蜂群算法的并行化算法，即通過并行化人工蜂群算法來提高算法的運行效率和優(yōu)化精度是非常有必要的。人工蜂群算法的并行化可以用多種并行化方法來實現，目前國內外學者主要采用多集群MPI(Message Passing Interface)技術或者采用單機Java多線程技術來實現粗粒度的并行人工蜂

3、群算法。研究表明，在處理高維度優(yōu)化問題時，人工蜂群算法的時間主要消耗在計算適應度函數上，這是研究人工蜂群算法并行化技術的研究重點和難點。因此，本文在探討了并行化技術后，利用OpenMP(Open Multi-Processing)多線程技術和規(guī)約機制，并結合已改進的觀察蜂選擇雇傭蜂的方式，提出了一種PCABC(Parallel Changed-in-selection-mode Artificial Bee Colony algorit

4、hm)算法來解決這一難題。PCABC算法采用主從并行模型和共享內存的OpenMP方法，對計算耗時的適應度函數部分做并行處理，減少算法在處理高維度優(yōu)化問題時的處理時間。本文實驗部分在三種不同的調度方式下進行，分別對標準人工蜂群算法和并行化人工蜂群算法進行仿真測試。實驗結果表明，對人工蜂群算法適應度函數進行并行化改造的PCABC算法可以減少算法在處理高維度優(yōu)化問題時的處理時間，加快算法的收斂速度，達到了預期目標。
　　在證明PCABC

5、并行人工蜂群算法的有效性之后，本文將其應用到解決高維函數優(yōu)化問題和流域水文模型參數優(yōu)化問題上。參數優(yōu)化對水文模型整體性能和水文預報結果有著至關重要的影響。模型參數優(yōu)化中存在大量的計算密集型任務，需要耗費大量的CPU處理時間，從而導致模型運行效率低下。因此，本文將PCABC算法應用于新安江二水源模型來優(yōu)化率定水文模型。實驗結果表明，PCABC算法能夠有效提高水文模型的參數優(yōu)化效率和精度，同時具有并行成本低廉、實現過程簡單等優(yōu)點。PCABC