[发明专利]一种合作协同差分进化方法和装置在审
申请号: | 201811584163.3 | 申请日: | 2018-12-24 |
公开(公告)号: | CN109840152A | 公开(公告)日: | 2019-06-04 |
发明(设计)人: | 杨天若;张顺利;谭旭杰;冯君 | 申请(专利权)人: | 华中科技大学鄂州工业技术研究院;华中科技大学 |
主分类号: | G06F9/50 | 分类号: | G06F9/50;G06N3/00 |
代理公司: | 北京众达德权知识产权代理有限公司 11570 | 代理人: | 刘杰 |
地址: | 436044 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 低维 高维 子种群 求解 协同 大规模优化 方法和装置 子问题 进化 差分进化算法 分布式计算 分布式求解 分布式数据 技术效果 可扩展性 问题分解 优化问题 优势结合 主控结点 云计算 云平台 算法 合作 收敛 种群 分组 合并 | ||
1.一种合作协同差分进化方法,其特征在于,所述方法包括:
获得高维问题;
通过随机分组方法将所述高维问题分解成多个低维子问题,其中,所述每个低维子问题对应一个子种群;
在云平台的主控结点上,利用Spark的弹性分布式数据模型,对每个低维子种群进行分布式求解;
利用协同机制合并所述低维子种群,获得高维种群的完整解。
2.如权利要求1所述的方法,其特征在于,所述在云平台的主控结点上,利用Spark的弹性分布式数据模型,对每个低维子种群进行分布式求解,包括:
通过Parallelize方法对所述子种群进行并行初始化;
将并行初始化后的子种群采用“键-值”的方式存放在内存中;
根据keyi值将子种群分区保存在不同的主控结点上;
利用RDD的并行操作算子对各子种群并行进化。
3.如权利要求2所述的方法,其特征在于,所述利用RDD的并行操作算子对各子种群并行进化,包括:
每个分区中的子种群并行执行DE算法的变异、交叉、选择操作,获得第一轮计算的最优个体;
所述子种群在计算个体适应度值时,选取第一轮的最优个体合和所述子种群组成完整的种群并进行局部寻优。
4.如权利要求1所述的方法,其特征在于,所述利用协同机制合并所述低维子种群,获得高维种群的完整解,包括:
通过collect算子将并行进化后的各子种群合并生成新种群;
获得每个所述低维子问题在所述高维问题的位置信息;
按照所述位置信息合并成新种群,并通过全局搜索获得高维种群的完整解。
5.一种合作协同差分进化装置,其特征在于,所述装置包括:
第一获得单元,所述第一获得单元用于获得高维问题;
第一求解单元,所述第一求解单元用于通过随机分组方法将所述高维问题分解成多个低维子问题,其中,所述每个低维子问题对应一个子种群;
第一求解单元,在云平台的主控结点上,利用Spark的弹性分布式数据模型,对每个低维子种群进行分布式求解;
第二获取单元,所述第二获取单元用于利用协同机制合并所述低维子种群,获得高维种群的完整解。
6.一种合作协同差分进化装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
获得高维问题;
通过随机分组方法将所述高维问题分解成多个低维子问题,其中,所述每个低维子问题对应一个子种群;
在云平台的主控结点上,利用Spark的弹性分布式数据模型,对每个低维子种群进行分布式求解;
利用协同机制合并所述低维子种群,获得高维种群的完整解。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
获得高维问题;
通过随机分组方法将所述高维问题分解成多个低维子问题,其中,所述每个低维子问题对应一个子种群;
在云平台的主控结点上,利用Spark的弹性分布式数据模型,对每个低维子种群进行分布式求解;
利用协同机制合并所述低维子种群,获得高维种群的完整解。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学鄂州工业技术研究院;华中科技大学,未经华中科技大学鄂州工业技术研究院;华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811584163.3/1.html,转载请声明来源钻瓜专利网。