hrvatski

Raspodijeljeni evolucijski algoritmi u okruženju za evolucijsko računanje u Javi

Genetski algoritmi su se pokazali kao dobar izbor za rješavanje mnogih NPproblema kada želimo brzo pronaći dovoljno dobro rješenje. To rješenje ne mora biti čak niti blizu optimuma, dok god smo mi njime zadovoljni. Kako predstavljaju generalizirano rješenje problema, mogu se primijeniti na širok skup problema. Razvojem računalne opreme, sve češće se pribjegava paralelnom računanju radi postizanja boljih performansi. Budući da su genetski algoritmi inicijalno osmišljeni kao slijedni algoritmi, bilo je potrebno redizajnirati algoritam kako bi on bio pogodan za paralelno izvršavanje. Osmišljeno je više inačica algoritama, no najrašireniji algoritam i algoritam koji najvjernije prikazuje genetski algoritam je globalni paralelni genetski algoritam (GPGA). Kod GPGA postoji jedan proces koja predstavlja voditelja i više procesa koji predstavljaju radnike. Radnici primaju od voditelja jedinke na evaluaciju i njihova jedina zadaća je izračunavanje funkcije dobrote. Voditelj obavlja sve ostale zadaće. U većini slučajeva je potrebno samo implementirati izračun funkcije dobrote i redundantno je svaki puta nanovo pisati cijeli genetski algoritam zajedno sa svim potrebnim operatorima. Upravo radi toga su se počela razvijati razvojna okruženja za genetske algoritme. U većini tih okruženja potrebno je napisati samo glavni program i funkciju dobrote. Sve ostalo je već implementirano unutar okruženja i potrebno je samo povezati komponente. Također, većina njih nudi konfiguraciju preko konfiguracijskih datoteka. Na taj način se mogu mijenjati parametri poput veličine populacije ili samog algoritma bez potrebe za ponovnim prevođenjem samog programa. Jedno od takvih okruženja je i ECFJ.

genetski algoritam; paralelni genetski algoritam; globalno paralelni genetski algoritam; razvojno okruženje; ECFJ; MPJ

nije evidentirano