х ГА пояснюється тим що:
- Многообщінние ГА виглядають як просте розширення послідовного ГА. Схема очевидна: взяти кілька простих послідовних ГА, запустити їх на вузлі паралельного комп'ютера і в попередньо визначений час обмінюватися кількома особинами.
- Требуется відносно мало додаткових зусиль для конвертації послідовного ГА в многообщінний ГА. Велика частина програми послідовного ГА зберігає стндартную інформацію і слід додати невелику кількість додаткових підпрограм, щоб реалізувати міграцію.
НОВА ТЕОРЕТИЧНА МОДЕЛЬ Курейчик В.М.
Суть даної моделі полягає в тому, що автор (Курейчик В.М.) пропонує нову систему обміну особинами, яка матиме досить гнучку структуру. Автор представляє дану модель як структуру типу «зірка», яка взаємодіє з популяціями через буфер хромосом. Заздалегідь визначається механізм регулювання розміру буфера. Буфер заповнюється в процесі роботи. Весь цей процес розбивають на два етапи:
1.Форміруются всі популяції, які запускаються на виконання в асинхронному режимі.
2. При настанні певної ситуації в популяції, ця популяція звертається в буфер і забирає звідти частину або всі хромосоми, потім додає туди частину своїх особин.
Кожна популяція еволюціонує окремо від інших. На кожній ітерації перевіряється умова необхідності міграції. Таким умовою може бути інтервал ітерацій, вирожденність популяції і т.п. Якщо умова настало, відбувається міграція хромосом особин з буфером хромосом.
Потім перевіряється розмір буфера, і якщо він більше заданого значення, то виконується процедура відбору. Умови міграції можуть бути різними в різних популяціях. Також можна міняти і типи генетичних операторів для популяцій.
Гідність цієї моделі полягає в великої гнучкості, яка дозволяє провести дослідження різних стратегій і критеріїв роботи паралельних генетичних алгоритмів.
Основні проблеми
Різні класи ПГА дозволяють вирішувати найрізноманітніші завдання, розрізняються і проблеми, що виникають в ході розробки алгоритмів.
Виділимо основні проблеми:
Вибір або розробка стратегії взаємодії складових частин алгоритму.
Вибір частоти міграцій між популяціями.
Визначення мігріруемих особин і їх кількості.
Визначення структури еволюції окремих популяцій.
Розглянемо кожну проблему більш докладно. Топологія мережі - це важливий фактор в продуктивності паралельного алгоритму, тому що вона визначає, як швидко (або як повільно) хороше рішення поширюється в інші популяції. Якщо мережа є сильно зв'язковий, то гарні рішення будуть швидко поширюватися в усі громади і можуть швидко «наситити» популяцію. З іншого боку, якщо мережа слабо зв'язкова, рішення будуть поширюватися повільніше і громади будуть більш ізольованими один від одного. Може відбуватися подальше паралельно розвиток і рекомбінація різних рішень для отримання потенційно кращих рішень.
Загальна тенденція в многообщінних паралельних ГА - це використання статичних топологій, які визначаються до запуску алгоритму і залишаються незмінними.
Інший метод конструювання топології - це створення динамічної топології. У цьому випадку громада не обмежена зв'язками з деяким фіксованим кількістю громад; замість цього мігранти посилаються в громади, які задовольняють деякому критерію. В якості подібного критерію береться міра різноманітності популяції...
