[发明专利]基于计算机机群的并行人工蜂群算法求解复杂函数最值的方法

说明书

技术领域

本发明涉及一种基于计算机机群的并行人工蜂群算法求解复杂函数最值的方法，属于计算机并行计算技术领域。

背景技术

随着我国经济实力的增强和信息技术的迅猛发展，计算机已经走入了千家万户。由于我国人口众多，各个文化层次水平的人员参差不齐，对于千千万万的普通老百姓，基本上只是使用计算机上网，玩游戏，多媒体等等的基本功能，而使大量的计算机资源被闲置。然而，与此同时，在高校，科研院所，企业等等产品研发基地和科研机构，却面临着巨大地计算资源短缺的情况。如何平衡这些计算资源的分配不均，成了摆在科学家和工程师们亟待解决的问题。为了解决这类的问题，提出了一种并行计算的方法。并行计算（Parallel Computing）是指同时使用多种计算资源解决计算问题的过程。为执行并行计算，计算资源应包括一台配有多处理机（并行处理）的计算机、一个与网络相连的计算机专有编号，或者两者结合使用。并行计算的主要目的是快速解决大型且复杂的计算问题。此外还包括：利用非本地资源，节约成本，使用多个“廉价”计算资源取代大型计算机，同时克服单个计算机上存在的存储器限制。为了使并行计算技术成为现实，一个由美国Argonne国家实验室开发完成的MPICH软件由1994年出现，并成为了现在实现并行计算的代表性技术。Linux是一个以网络为核心的支持多用户、多任务、多线程、多CPU的操作系统，是目前科学研究和大型企业普遍使用的操作系统之一。其在稳定性和可靠性方面的突出表现，使其被选做服务器的操作系统。基于以上的概念和软件，可以在Linux操作系统上实现多个普通计算机的并行计算，完成了对于计算机闲置资源的最大利用。人工蜂群算法Artificial Bee Colony Algorithm(ABCA)是一种群体智能模型算法，它由土耳其学者Karaboga在2005年提出，该算法是一种模拟蜜蜂群体寻找优良蜜源的仿生智能计算方法。算法模型具有很多优良的性能，如算法复杂度低，鲁棒性强，每次迭代都进行全局和局部搜索，从而在较大程度上避免了局部最优。基于其卓越的性能，常常被用来解决复杂的优化问题，当然也包括复杂函数最值的求解。正如Department of Computer Science and Engineering,College of Engineering,Guindy,Anna University的Harikri shna Narasimhan，在论文Parallel Artificial Bee ColonyAlgorithm（Nature&Biologically Inspired Computing,2009.NaBIC 2009.WorldCongress on,Page(s):306-311）中，使用一台共用存储器结构的多核计算机，利用openMP软件实现了并行人工蜂群算法求解复杂函数最值的问题。但是在该问题中存在两个个严重的问题，第一是他们使用的这种多核计算机是一种比一般计算机更为先进和性能优秀的计算机设备，这中方法并不能够解决之前提到的那种利用普通用户闲置的计算机资源求解问题的效果，而是花费更大量的资金购买新的设备；第二，在设计并行的算法时，采用的共用存储器结构，这种结构就限定了算法只能在同一个计算机，共用同一个存储器的时候才能够进行，不能将计算资源分配到不同的计算机上。基于上面存在的两个问题，我们设计提出了使用MPI这种消息传递方式进行并行人工蜂群算法求解函数最优解问题的方法，有效地解决了上面存在的两个问题，并且在实质上提高了算法求解复杂函数最值的效率和精确度。

发明内容

为了克服现有技术的缺陷和不足，以解决普通串行算法在求解复杂最优化问题时，计算时间太长、计算精度不高的问题，本发明提出了一种基于并行人工蜂群算法求解复杂函数最值的方法。

本发明的技术方案是采用如下方式来实现的。

一种基于并行人工蜂群算法求解复杂函数最值的方法，包括多台参与计算的计算机，每台计算机上安装Linux操作系统和相关的MPICH软件，将每根网线的一端插入计算机的网口，另一端接入同一个局域网的路由器上中，并配置Linux的SSH使各个计算机相互之间能够不需要密码的访问，并选择其中一台计算机为主控计算机，负责数据和任务的收集与分发、计算结果的显示这些辅助工作，同时它也作为一个计算节点参与计算，其余的计算机均只负责计算功能；通过上述完成了并行计算的硬件连接和软件的配置；在设计人工蜂群算法时，将计算的参数均匀的分配到每个参与计算的计算机上，并根据MPI软件包提供的通信接口函数在程序运行的适当时间进行必要参数的通信与交流，该方法步骤如下：