基于Hama并行蚁群算法模型及TSP应用研究

被引：11

作者：

马继辉

余明捷

陈鑫杰

宋翠颖

杨扬

机构：

[1] 北京交通大学交通运输学院

来源：

交通运输系统工程与信息 | 2016年 / 16卷 / 03期

关键词：

信息技术; 蚁群算法; Hama; 并行; TSP; 共享信息素矩阵;

D O I：

10.16097/j.cnki.1009-6744.2016.03.025

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

Hama是建立在Hadoop上的分布式并行计算模型,基于BSP(Bulk Synchronous Parallel,BSP)计算技术的开放式并行计算平台,它的主要功能是支持并行及大数据的科学计算.目前改进传统启发式算法,移植到Hama平台提高算法效率是研究热点之一.蚁群算法是适应性极强的启发式算法,应用广泛,但由于蚁群中个体的随机性,解的收敛速度与解的多样性、稳定性之间存在矛盾.而该矛盾可通过将蚁群算法并行化得到缓解,算法求解性能因此得到提升.本文在Hama平台上,选择以信息素矩阵进行交互的策略,建立了并行蚁群算法模型,并通过该模型求解多种规模下的旅行商问题.实验表明,本文提出的并行蚁群算法模型可行,并能有效地提高算法性能.

引用

页码：168 / 173+180 +180

页数：7

共 9 条

[1]

Ant colony optimization for the real-time train routing selection problem.[J].Marcella Samà;Paola Pellegrini;Andrea D’Ariano;Joaquin Rodriguez;Dario Pacciarelli.Transportation Research Part B.2016,

[2]

Parallel ant colony optimization for the determination of a point heat source position in a 2-D domain.[J].B.H. Li;M. Lu;Y.G. Shan;H. Zhang.Applied Thermal Engineering.2015,

[3]

An Inverted Ant Colony Optimization approach to traffic.[J].José Capela Dias;Penousal Machado;Daniel Castro Silva;Pedro Henriques Abreu.Engineering Applications of Artificial Intelligence.2014,

[4]

Comparative evaluation of platforms for parallel Ant Colony Optimization..[J].Ginés D. Guerrero;José M. Cecilia;Antonio Llanes;José M. García;Martyn Amos;Manuel Ujaldón.The Journal of Supercomputing.2014, 1

[5]

基于在线检测动态一维下料问题的GPU并行蚁群算法 [J].