.png){kind=icon}
.png){kind=icon}
返回
A high-performance computing-based multi-island distributed migrating birds optimization algorithm implemented using MPI
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cam.2025.117145.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
元启发式算法是解决高维复杂问题的常用优化技术。为了获得更成功的结果，对这些元启发式算法进行了改进。本研究旨在提升基于邻域的元启发式算法——迁徙鸟群优化（MBO）算法的性能。为此，使用Open MPI在高性能计算（HPC）架构上实现了MBO，并开发了多岛分布式迁徙鸟群优化（MIDMBO）算法。MIDMBO是一种利用多岛机制的分布式元启发式优化算法，成功解可在岛屿间迁移。由MPI支持的岛屿间迁移过程使MIDMBO能够产生更优结果。因此，针对迁移过程的研究具有重要意义。本研究考察了算法性能与基本迁移参数（如迁移率、迁移间隔和岛屿数量）变化之间的关系。对MIDMBO获得的结果进行了回归分析，并识别出最能解释性能变化的模型。此外，构建了人工神经网络（ANN）模型，并评估了参数值变化对结果解释的程度。
Keyword:
Multi-island distributed migrating birds
optimization algorithm
HPC
Migration parameters
Regression analysis
ANN