论文网
算法相关论文范本,与基于多线程评估的基因表达式编程算法相关论文格式
本论文是一篇算法相关论文格式,关于基于多线程评估的基因表达式编程算法相关在职研究生毕业论文范文。免费优秀的关于算法及自然科学及计算机技术方面论文范文资料,适合算法论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
时候,个体选择和进化操作的时间可以忽略.上述分析表明,GEP的运行时间瓶颈是评估阶段,GEP运行的总时间T近似于n×m×k×p,即GEP算法的时间复杂度是O(n×m×k×p).
2.2GEP算法改进策略
由上分析,改进评估算法,减少评估时间,能提升GEP整体性能.考虑到GEP中个体的评估是相互独立的,本文把多线程技术引入GEP的评估阶段,提出了基于多线程评估的GEP(GEPwithMulti.ThreadingEvaluator,MTEGEP)算法,并进行了详实的实验验证.
3MTEGEP算法设计与实现
3.1传统GEP适应度评估算法
传统GEP算法采用单线程评估策略,未能充分发挥CPU的多线程并行处理能力,也未尝试过在多核CPU上进行评估工作,限制了GEP算法的性能.传统算法,对所有个体采用单线程技术逐个评估,算法描述如下.
分析算法1,容易得到：传统GEP适应度评估算法中,需要逐个对所有个体进行独立的解码和计算(对应算法1的第3）～8）行).所以如果将算法1的3）～8）行设计成多线程并行运算,必定能大幅提高GEP评估效率,从而提升GEP整体性能.
3.2MTEGEP算法的评估线程数量选择
确定了评估策略,还要确定评估线程的数量.为了平衡各评估线程的运算任务,尽量把种群个体均匀地分配给每个评估线程.假定种群规模为SIZE,线程个数为N,体分配算法思想如下.
1)记每个线程分配个体的是平均数目为AverageNumber等于SIZE/N」(向下取整).
2)如果HeavyNumber等于SIZE%N不为0,即SIZE不能被N整除,那么前HeavyNumber个评估线程多增加1个个体评估任务.
3)考虑到GEP算法设计中,种群的个体是线性存储的(一维数组的形式存储),我们只要记录每个评估线程负责的第1个个体位置和负责的个体数量就可以确定具体分组情况.
为了对分组个体进行相互独立的适应度评估,作者设计了专门的分组评估器EThread,它只对负责的分组个体进行评估.评估器EThread的评估算法描述如下.
4实验结果与分析
4.1实验说明
本文所有实验都是通过GEP进行函数挖掘来测试运行时间.
1)选择来自参考文献［1］的拟合函数F1：
10+sin(1x)(x－0.16)2&#
算法相关论文范本
2)F1随机生成的测试数据作为进化环境.
3)实验参数见表1.
4)相同参数的实验重复做10次,取运行时间的平均值.测试数据规模单位是组,运行时间单位是秒.
5)考虑到进化代数、种群规模和测试数据规模对GEP算法的性能影响是等效的(都是线性的).所以这里选择固定进化代数和种群规模,而改变数据规模的情况下进行实验来观察,MTEGEP算法与传统GEP算法的性能差异.
5结语
通过对MTEGEP算法和传统GEP算法在双核CPU环境和8核CPU环境上的实验验证和分析,总结如下.
| 有关论文范文主题研究: | 关于算法的论文范文集 | 大学生适用: | 高校大学论文、学院论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 66 | 写作解决问题: | 学术论文怎么写 |
| 毕业论文开题报告: | 文献综述、论文选题 | 职称论文适用: | 技师论文、中级职称 |
| 所属大学生专业类别: | 学术论文怎么写 | 论文题目推荐度: | 最新题目 |
1)在多核CPU环境下,MTEGEP算法能够较传统GEP算法有较大的性能提升.
2)在8核CPU环境下,当开设的评估线程数量不超过8个的时候,MTEGEP算法性能随评估线程数量的增加而稳步提升.
3)在8核CPU环境下,开设8个评估线程能够使MTEGEP达到最佳的性能.
4)由于考虑到CPU还要负责整个计算机系统的其他运算和管理,同时需完成各线程之间的调度工作,所以在8核CPU环境下,MTEGEP算法不能较传统GEP算法提升8倍的速度,但是其最佳的提升速度接近8倍.
5)不难推断在N核CPU环境下能够得到与8核CPU的性能提升的相同情况,所以MTEGEP算法是一个高效、实用的算法.参考文献:
[1]
FERREIRAC.Geneexpressionprogramming:Mathematicalmodelingbyanartificialintelligence［M］.2nded.NewYork:SpringerPress,2006.
[2]
陈建明,陈宇,李志蜀,等.基于GEP的路径覆盖测试用例生成方法[J].计算机工程,2010,36(15):86-88.
[3]
唐常杰,陈瑜,张欢,等.基于转基因GEP的公式发现［J］.计算机应用,2007,27(10):2358-2360,2364.
[4]
贾晓斌,唐常杰,左,等.基于基因表达式编程的频繁函数集挖掘［J］.计算机学报,2005,28(8):1247-1254.
[5]
廖勇,唐常杰,元昌安,等.基于基因表达式编程的股票指数时间序列分析［J］.四川大学学报：自然科学版,2005,42(5):931-936.
[6]
刘海涛,元昌安,刘海龙,等.基于GEP的遥感数字图像模糊聚类研究［J］.计算机工程,2010,36(10):199-200,238.
[7]
龙珑,宁葵.基于GEP的Web服务器安全防护技术研究［J］.计算机技术与发展,2011,24(10):241-245.
[8]
黄立昕,董悦坤.基于因子分析和基因表达式编程的电流互感器故障诊断［J］.电力科学与工程,2011,27(10):26-30,56
[9]
何家莉,王培.基因表达式中含有等式约束的处理方法［J］.计算机技术与发展,2011,21(9):92-94,98.
[10]
元昌安,唐常杰,左,等.基于基因表达式编程的函数挖掘――收敛性分析与残差制导进化算法［J］.四川大学学报：工程科学版,2004,36(6):100-105.
[11]
苏辉,唐常杰,乔少杰,等.基于搜索空间划分和Sharing函数的粒子群优化算法［J］.四川大学学报：自然科学版,2007,44(5):985-989.
[12]
陈瑜,唐常杰,李川,等.LDecode:具有线性复杂度的GEP适应度评价算法［J］.四川大学学报：工程科学版,2008,44(10):107-112.
[13]
向勇,唐常杰,曾涛,等.基于基因表达式编程的多目标优化算法［J］.四川大学学报：工程科学版,2007,39(4):124-129.
[14]
朱明放,唐昌杰,代术成,等.基于中性突变的朴素基因表达式编程［J］.计算机研究与发展,2010,47(2):292-299.
[15]
吴江,李太勇,姜,等.基于多样化进化策略的基因表达式编程算法［J］.吉林大学学报：信息科学版,2010,28(4):376-403.
[16]
龚杰,唐常杰,徐开阔,等.CC.GEP:基于聚类竞争的基因表达式编程新算法［J］.四川大学学报：自然科学版,2010,47(3):530-536.
[17]
李太勇,唐昌杰,吴江,等.基因表达式编程种群多样性自适应调控算法［J］.电子科技大学学报,2010,39(2):279-283.
算法相关论文范本,与基于多线程评估的基因表达式编程算法相关论文格式参考文献资料：