1) parallel particle swarm optimization
并行粒子群算法
1.
Research on parallel particle swarm optimization algorithm for vehicle routing problem;
车辆路径问题的并行粒子群算法研究
2.
To improve the efficiency of particle swarm optimization,this paper proposed a novel parallel particle swarm optimization algorithm(SLPSO).
在四个基准函数上的优化实验表明,新方法比经典的IPPSO并行粒子群算法在解的精度上提高了80。
3.
A parallel particle swarm optimization algorithm based on best particle-shared and layered search;
主要工作包括(1)信息共享机制中引入了区域学习,使粒子更新能参考其他粒子的信息;(2)提出了粒子群两层划分模型,底层利于扩大搜索范围,上层利于全局精细搜索;(3)证明了关于粒子群和并行粒子群收敛性定理;(4)在4个基准函数上的优化实验表明,新方法比经典的IPPSO并行粒子群算法在解的精度上提高了51。
2) parallel particle swarm optimization algorithm
并行粒子群优化算法
1.
A new method of cooperative evolution parallel particle swarm optimization algorithm is proposed in this paper.
针对用传统方法难以求解的扩展的超二次曲面三维模型参数拟合问题,提出了用协同演化的并行粒子群优化算法求解的新方法。
3) parallel particle swarm optimization
并行微粒群算法
4) Bidirectional Parallel Catastrophic-Particle Swarm Optimization(BPC-PSO)
双向并行灾变粒子群优化算法
5) QPSO(Quantum-behaved Particle Swarm Optimization)
量子行为粒子群算法
1.
An improved QPSO(Quantum-behaved Particle Swarm Optimization) to solve rectangle-packing problems was proposed.
介绍了一种利用量子行为粒子群算法(QPSO)求解矩形包络的方法。
6) Quantum-behaved Particle Swarm
量子行为的粒子群算法
补充资料:并行算法
适用于并行计算机的数值算法。计算机传统结构的显著特征是单指令流单数据流,即每一时刻按一条指令处理一个数据。通常的数值算法适于此类计算机,可称串行算法。20世纪60年代开始发展含大量处理机的并行计算机,它分单指令流多数据流与多指令流多数据流两类,每一时刻分别按一条或多条指令处理多个数据。并行计算机的出现促使了适应其并行这个特点的并行算法的发展。
并行算法依赖一个简单事实:独立的计算可同时执行。所谓独立计算是指其每个结果元只出现一次的计算。例如A8=α1·α2......α8中7个乘法不能同时执行,但可分成三个独立计算组:
第一组
第二组
第三组。
如每组的运算并行执行,计算 A8,只须三步(乘法),其步骤可用图中的双杈计算树来表示。推广此例,得到由满足结合律的任一运算"。" 形成的表达式的最优并行算法,称为结合扇入算法。此算法提供了建立并行算法的一种普遍原则:反复将每一计算分裂成具有同等复杂性的两个独立部份,称为递推倍增法。
研究表明,大量数值问题可获得有效的并行算法。一个算法是否有效主要看加速及所需的处理机个数 P的大小。并行算法的复杂性正是通过参数Tp、S和P来描述的。向量运算具有内在并行性(包含大量独立计算),因而首先是在数值线代数方面,并行算法特别富有成果。
串行算法与并行算法存在固有差别。有效串行算法一般不能直接变换为并行算法,而且两者在数值性态方面(例如数值稳定性及迭代算法的收敛速度)可以彼此大不相同。
并行算法依赖一个简单事实:独立的计算可同时执行。所谓独立计算是指其每个结果元只出现一次的计算。例如A8=α1·α2......α8中7个乘法不能同时执行,但可分成三个独立计算组:
第一组
第二组
第三组。
如每组的运算并行执行,计算 A8,只须三步(乘法),其步骤可用图中的双杈计算树来表示。推广此例,得到由满足结合律的任一运算"。" 形成的表达式的最优并行算法,称为结合扇入算法。此算法提供了建立并行算法的一种普遍原则:反复将每一计算分裂成具有同等复杂性的两个独立部份,称为递推倍增法。
研究表明,大量数值问题可获得有效的并行算法。一个算法是否有效主要看加速及所需的处理机个数 P的大小。并行算法的复杂性正是通过参数Tp、S和P来描述的。向量运算具有内在并行性(包含大量独立计算),因而首先是在数值线代数方面,并行算法特别富有成果。
串行算法与并行算法存在固有差别。有效串行算法一般不能直接变换为并行算法,而且两者在数值性态方面(例如数值稳定性及迭代算法的收敛速度)可以彼此大不相同。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条