[发明专利]基于人工蜂群算法的并行优化处理TSP问题的方法及装置

说明书

本发明实施例公开了一种基于人工蜂群算法的并行优化处理TSP问题的方法及装置，解决了目前对于像解空间随问题规模增大而呈指数增长的NP难题，由于硬件核心的工艺制作已经到达瓶颈，导致的难以通过对单个核心的制造来提高性能的技术问题。本发明实施例方法包括：通过MPI接口建立多个并行进程，通过主进程将初始蜜源信息分发给从进程；通过从进程根据TSP的路径长度确定人工蜂群算法的跟随蜂的搜索的蜜源；通过从进程根据TSP的路径总数及人工蜂群算法的侦察蜂监测到无效蜜源后进行重新随机搜索蜜源以放弃无效蜜源跳出局部最优解；通过主进程获取到从进程的返回的非放弃的所有蜜源为最优蜜源，最优蜜源为TSP的最短路径。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于人工蜂群算法的并行优化处理TSP问题的方法及装置。

背景技术

人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。为了解决多变量函数优化问题，Karaboga提出了人工蜂群算法ABC模型(artificial beecolony algorithm)。

作为人工蜂群算法应用，讨论旅行商问题(Travelling Salesman Problem，TSP)：设有n个城市，用数(1,…,n)代表。城市i和城市j之间的距离为d(i，j)i,j＝1,…,n.TSP问题的目标是要找遍访每个域市恰好一次，最后回到出发城市，形成一条回路，且其路径总长度为最短。解空间：解空间S是遍访每个城市恰好一次的所有回路。

目前对于像解空间随问题规模增大而呈指数增长的NP难题，在问题规模较小时，通过一些算法可以在一定程度上较好的解决问题，但问题规模持续增大时，由于现阶段，硬件核心的工艺制作已经到达瓶颈，导致了难以通过对单个核心的制造来提高性能的技术问题。

发明内容

本发明实施例提供的一种基于人工蜂群算法的并行优化处理TSP问题的方法及装置，解决了目前对于像解空间随问题规模增大而呈指数增长的NP难题，在问题规模较小时，通过一些算法可以在一定程度上较好的解决问题，但问题规模持续增大时，由于现阶段，硬件核心的工艺制作已经到达瓶颈，导致的难以通过对单个核心的制造来提高性能的技术问题。

本发明实施例提供的一种基于人工蜂群算法的并行优化处理TSP问题的方法，包括：

通过MPI接口建立多个并行进程，所述并行进程包括主进程和从进程，通过所述主进程将初始蜜源信息分发给所述从进程，人工蜂群算法的所述初始蜜源信息为TSP的路径序列；

通过所述从进程根据TSP的路径长度确定人工蜂群算法的跟随蜂的搜索的蜜源；

通过所述从进程根据TSP的路径总数及人工蜂群算法的侦察蜂监测到无效蜜源后进行重新随机搜索蜜源以放弃无效蜜源跳出局部最优解；

通过所述主进程获取到所述从进程的返回的非放弃的所有所述蜜源为最优蜜源，所述最优蜜源为所述TSP的最短路径。

可选地，通过所述从进程根据TSP的路径长度确定人工蜂群算法的跟随蜂的搜索的蜜源具体包括：

通过所述从进程根据TSP的路径长度及函数确定人工蜂群算法的跟随蜂的蜜源的收益度蜂；

通过预置概率ρ对所述蜜源进行选择，其中，rank是TSP的一所述蜜源对应的路径的长度排位，path_num则是TSP的路径总数。

可选地，通过所述从进程根据TSP的路径总数及人工蜂群算法的侦察蜂监测到无效蜜源后进行重新随机搜索蜜源以放弃无效蜜源跳出局部最优解具体包括：