Р. Г. Стронгина. Ниж- ний Новгород: Изд-во Нижегородского университета, 2002, 217 с


 Тестовые данные (тест генетического алгоритма)



Pdf көрінісі
бет114/151
Дата26.01.2022
өлшемі1,64 Mb.
#24342
түріСеминар
1   ...   110   111   112   113   114   115   116   117   ...   151
4. Тестовые данные (тест генетического алгоритма) 
Получено расписание: 
Возраст популяции: 67 
Время выполнения расписания: 222.000000 
Время старта  
задача  
процессор 
0.000  
20  
1  
0.000  
11  
2  
0.000  
18  
3  
0.000  
4  
4  
0.000  
1  
5  
4.000  
14  

10.000  
2  

30.000  
3  

74.000  
12  

47.000  
17  

40.000  
5  
4  
91.000  
6  
1  
73.000  
16  

90.000  
19  

91.000  
9  
4  
192.000  
13  
2  


 
157 
151.000  
7  
1  
191.000  
10  

208.000  
15  

221.000  
8  
1  
 
 
Рис.1. Граф тестовой параллельной программы. Параллельная система 
гомогенна – 8 процессоров производительностью по 1, связанных друг 
с другом линиями пропускной способностью 5 в случае различных 
процессоров и с нулевым временем пересылки между одним и тем же 
процессором 
 
Максимальное  время  выполнения  последовательности  задач  «без 
пересылок» – в обведенной цепочке. Оно равно 221 (если всю цепочку 


158 
выполнить на одном процессоре), что практически и сделано ГА: оста-
лась только одна пересылка, потребовавшая единицу времени. Кроме 
того, в силу достаточно большого количества пересылок задействова-
но всего 5 процессоров из 8 и при этом расписание практически опти-
мально. Аналогичная ситуация наблюдалась при правильном подборе 
параметров ГА и на других тестах. 
Таблица 
Параметры данного теста 
Кол-во особей  
50 
% мутации 60 
% рекомбинации 30 
% мутации P

10 
% мутации R

10 
Средний % мутирующих генов 50 
Среднее кол-во точек скрещивания 1 
Мин. допустимая разница значений 0.01 
Кол-во «неулучшенных» популяций 32 
Макс. размер «штрафа», % 
150 
 
Таким образом, реально решение было найдено за 35 циклов (67–
32=35), а потом 32 цикла ГА не смог улучшить значение более чем на 
0.01 и остановился. Лишних циклов можно избежать, включив систему 
контроля времен простоя процессора. 
В  соответствии  со  свойствами  генетических  алгоритмов,  данный 
алгоритм также имеет свойство улучшать априори найденное решение, 
т. е. если решение примерно известно и подано на вход алгоритма как 
одна или несколько особей в начальной популяции, алгоритм быстрее 
(в среднем) надет нужное решение. 
Литература 
1.  Теория  расписаний  и  вычислительные  машины / Под  ред.  Э.Г 
Коффмана). 
2. Grant 
K. 
An introduction to genetic algorithms //C/C++ Users Journal
March 1995. P. 45–58. 
3.  Fogel David B. Using Evolutionary Programming to Schedule Tasks on 
a Suite of Heterogeneous Computers // Computers & Operations re-
search, Vol. 23:6. P. 527–534. 


 
159 


Достарыңызбен бөлісу:
1   ...   110   111   112   113   114   115   116   117   ...   151




©emirsaba.org 2024
әкімшілігінің қараңыз

    Басты бет