专利名称：分布式计算环境下并行进化算法的容错方法
技术领域：
本发明涉及分布式并行计算容错方法，特别涉及分布式并行计算环境下基 于进化算法优化应用的容错方法。
背景技术：
进化算法作为计算数学中用于解决最优化的搜索算法，实质上是一种建立在 自然选择原理和自然遗传机制上的迭代式自适应概率性搜索方法，最初是借鉴 了进化生物学中的遗传、突变、自然选择以及杂交等现象而发展起来的。在进 化算法里，待求解问题的每一个解被称为一个个体，它表示为一个参数列表。 优化过程开始时，算法首先随机生成一定数量的个体，然后计算并评估不同个 体的优劣程度(适应度)，再按不同的规则选择一定数量的不同个体执行交叉、 变异等操作生成新的个体，然后以适应度为依据从新的个体和上一代个体中选 择一定数量的个体形成下一代群体。经过这一系列的过程(选择、杂交和突变)， 产生的新一代个体不同于初始的一代，并一代一代向增加整体适应度的方向发 展，最后在自然选择的指导下对解空间的搜索以实现对复杂问题的优化求解。
进化算法在解决优化问题过程中可能存在早熟的现象。早熟的含义是如果 在优化过程中陷入到局部最优，此时如群体中大部分个体随着优化进程的进展 而聚集到该最优点附近无法产生更好的解。为了防止由于群体多样性降低导致 的早熟现象，研究人员提出了很多策略来提升进化群体的多样性。其中一种方 法是将采用周期变动的群体规模，在每一代进化过程中按给定数量缩减群体规 模，在下一周期开始时再追加部分经随机初始化的个体。在一些标准测试系统 上进行的仿真分析表明此类方法能够提升对多峰值优化问题的求解质量。传统并行处理环境如PC集群具有良好的通信网络、均衡的内存、CPU配置 和计算负载，各台机之间在任务处理时间、通信时间上的差异几乎可以忽略， 整体可靠性高。作为一种新型并行计算方式，网格是一个集成的计算和资源环 境，它通过网络将互联的高性能计算机、数据库和远程设备等融为一体形成一 个共享资源和协同解决问题的环境，并通过统一的接口为用户提供服务。由于 进化算法中最耗费计算时间的个体适应度评估的工作可以分散到网格中的各计 算机上完成，网格是一个非常合适于基于并行进化算法优化应用的计算平台。 但由于网格是建立在广域网络基础之上，所整合的计算资源在网络传输、计算 站点乃至计算站点的子节点的性能差异性和故障概率较传统并行计算环境都大 大提高，并行进化算法中分散到网格各计算节点计算适应度的个体可能因计算 机或网络故障无法返回。当计算节点没有返回个体适应度时，在分布式网络环 境下难以判断其状态是发生故障亦或仅仅是运行得很慢。如果进化计算采取同 步运行模式等待所有个体返回再继续进行下一代优化计算，可能因为少数个体 运行缓慢需要长时间等待，甚至因个体故障而无法完成优化过程。因此，要在 包括网格在内的分布式并行计算环境上实现基于进化算法的优化应用，首先必 须解决容错问题。
目前已有的具有通用目的的分布式计算系统容错方法主要是时限法、多重 计算任务法和全局检查点等方法，由于没有考虑具体应用特性，这些方法共同 的特点是实现复杂、需要占用大量的系统资源并延长优化过程所耗费的计算时 间。
发明内容
本发明的目的在于提供基于进化算法的优化应用对包括网格在内的分布式 并行计算环境容错方法，以提高基于进化算法的优化方法在网格等以广域网络为基础的并行计算平台上的适用性。
为实现上述目的，本发明所采用的技术方案是采用一种在周期性变化群 体规模方案基础上进行一定改造的群体规模振荡变化的方案。在初始化时设定 一个群体规模的上限和下限，然后把那些送到网络中进行适应度评估而未能在 给定时限内返回的个体按群体规模减小的方式进行处理，当群体规模下降到给 定下限时，通过追加一定数量经随机初始化的个体将群体规模恢复到初始值。
本发明与现有技术比较，具有的优点是能够自然地对发送到网格中进行适 应度评估而未能及时返回的个体实现容错，实现方式简单易行，并且能在实现 容错的同时通过提高群体多样性得到更好的优化解。
下面结合附图和实施例详细说明本发明的工作原理。
图1为群体规模变化示意图。
图2为基于并行进化算法的优化应用对分布式计算系统容错实现流程示意图。
具体实施例方式
图1为群体规模变化示意图。该图中横轴为进化算法的进化代数，纵轴
为每一代中的群体规模数值；纵坐标为进化算法的群体规模，其上、下限分别 设置为560和260;以0到50的随机数表示因计算机或网络故障无法返回时， 群体规模将随时间变动并在低于下限时通过追加随机初始化个体恢复到群体规 模上限。
图2基于并行进化算法的优化应用对分布式计算系统容错实现流程示意 图。上述基于并行进化算法的优化应用对分布式计算系统容错方法，实现步骤 如下-
(1)进行系统初始化，设定群体规模的上、下限和完成个体适应度评估的时限，按群体规模的上限随机产生个体；将当前群体中所有个体发送
到网格中的计算机；
(2) 丢弃给定时限内未返回之个体，从所接收到的个体中选择最优个体， 然后进行变异、交叉和选择等繁殖操作，产生群体规模相应縮减的子 代群体；
(3) 如群体规模减少到小于或等于给定的群体规模下限，则在子代群体上 追加按随机初始化的个体以使群体规模恢复到群体规模的上限；
(4) 如进化代数达到限制次数，终止进化优化过程，给出最优解，退出运 行；否则跳转到步骤2。
权利要求
1、一种基于进化算法的优化应用对包括网格在内的分布式并行计算环境容错方法，包括以下步骤采用在给定数量上、下限之间振荡变化的群体规模，在每一代中通过群体规模的减小实现对无法在给定时限内返回个体的容错；当群体规模减少到小于或等于给定群体规模下限时，通过追加一定数量经随机初始化个体的方式将群体规模恢复到初始的上限值。
2、 根据权利要求l所述的基于进化算法的优化应用对包括网格在内的分布式并行计算环境容错方法，其特征在于用于状态空间搜索的群体规模在 给定的上下限之间振荡变化，优化过程初始阶段，群体规模设置为最大值。
3、 根据权利要求l所述的基于进化算法的优化应用对包括网格在内的分布式并行计算环境容错方法，其特征在于对解空间进行搜索的群体被发送 到网格中各计算实体进行适应性评估，如部分个体在一定时限内仍无法返回， 则丢弃此部分个体，形成新一代个体时对其群体规模也相应的进行縮减。
4、 权利要求l所述的基于进化算法的优化应用对包括网格在内的分布式 并行计算环境容错方法，其特征在于当群体规模縮减少到小于或等于设置 的群体下限时追加一定数量经随机初始化的个体以使群体规模恢复到初始化 时的群体规模。
全文摘要
本发明公开了一种分布式计算环境下并行进化算法容错方法，该方法特点在于采用不固定且在指定数量上、下限之间振荡变化的群体规模。通过设定一定的时间限制，在进化计算的每一代中，当部分个体因计算节点或网络故障而无法及时返回时，以群体规模的减小来实现对这部分故障个体的容错；当群体规模下降到给定下限时，再以追加一定数量经随机初始化个体的方式将群体规模恢复到上限。本发明采用群体规模振荡变化的方法提高种群内个体间的差异，可以在实现基于并行进化算法的优化应用对包括网格在内的分布式计算环境容错的同时提高优化解的质量。
文档编号G06N3/12GK101625736SQ200810031720
公开日2010年1月13日 申请日期2008年7月9日 优先权日2008年7月9日
发明者李茂军, 林利红, 盛 苏, 马迎召 申请人:长沙理工大学