ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Parallel Agent Oriented Geneti...>الوصف

Parallel Agent Oriented Genetic Algorithm

المصدر: المجلة العراقية لتكنولوجيا المعلومات
الناشر: الجمعية العراقية لتكنولوجيا المعلومات
المؤلف الرئيسي: Al Kaddo, Afaf B. (Author)
المجلد/العدد: مج6, ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2014
الصفحات: 61 - 67
DOI: 10.34279/0923-006-002-007
ISSN: 1994-8638
رقم MD: 707809
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: HumanIndex
مواضيع:
الخوارزميات الجنية المتوازية
الخوارزميات الجنية
TSP
رابط المحتوى:
PDF (صورة)      PDF (نص)      HTML
صورة الغلاف QR قانون

عدد مرات التحميل

21

حفظ في:
المستخلص: الخوارزميات الجينية (GAs) يمكن أن تستخدم في حل المشاكل الصعبة في العديد من التخصصات، أداء الخوارزمية الجينية يعتمد على قوة جهاز الكمبيوتر. الخوارزميات الجينية المتوازية (PGAs) هي تطبيقات موازية من الخوارزميات الجينية (GAs) التي يمكن أن توفر مكاسب كبيرة من حيث الأداء والتدرجية، ويمكن تنفيذها على شبكات من أجهزة الكمبيوتر غير المتجانسة. كفاءة الخوارزميات الجينية تعتمد على معدل التبادل ومعدل الطفرات وأنه من الصعب ضبط تلك المعاملات يدويا. هذه الورقة استخدمت تقنيات الوكيل المتعدد التي تجمع بين GA و PGAs مع مخططات بينة موزعة. الورقة تبحث في كفاءة الحوسبة المتوازية لمشكلة البائع المتجول باستخدام النهج الوراثية على multicomputer. أجرى التحليل الفني للتطبيق المتوازي بتطبيق نموذج السيد/ المسود. تم تخمين الأداء على أساس تنفيذ البرنامج الموازي القائم على MPI. تم اختبار هذه الخوارزمية على مشكلة البائع المتجول (TSP). أظهرت النتيجة انه باستخدام تقنيات متوازية يمكن تقليل الاتصال بين الأجهزة المختلفة وبالتالي تسريع عملية البحث التقليدية للخوارزمية الجينية.

Genetic Algorithms (GAs) can be used to solve difficult problems in many disciplines. The performance of GA depends on computer power. Parallel Genetic Algorithms (PGAs) are parallel implementations of GAs can provide better performance and scalability and can be implemented on networks of heterogeneous computers. Efficiency of GAs depends on crossover and mutation rates and it is difficult to adjust those parameters manually. This paper used multi agent techniques which combine existing GA and PGAs with distributed environment. The paper shows the efficiency of the parallel computation of the travelling salesman problem using the genetic approach on a multicomputer cluster. The master/slaves paradigm is applied. Performance has been made on the basis of MPI-based parallel program implementation. This algorithm is tested by the Traveling Salesman Problem (TSP). Result shows that, using of the parallel techniques can reduce the communication between different nods, therefore speed up the traditional genetic algorithm search process.
ISSN: 1994-8638

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.