基于采样尺度自适应的多尺度量子谐振子优化算法并行化

计算机工程与科学 ›› 2021, Vol. 43 ›› Issue (7): 1200-1209.

基于采样尺度自适应的多尺度量子谐振子优化算法并行化

焦育威1，王鹏1,2，辛罡3,4

(1.西南民族大学计算机科学与技术学院,四川成都 610225；2.广东省国产服务器工程中心,广东广州 510000；

3.中国科学院大学，北京 100049；4.中国科学院成都计算机应用研究所，四川成都 610041)

收稿日期:2020-06-09 修回日期:2020-09-03 出版日期:2021-07-25 发布日期:2021-08-16
基金资助:
国家自然科学基金（60702075）；西南民族大学研究生创新型科研项目(CX2020SZ03)

A scale-adaptive multi-scale quantum harmonic oscillator algorithm and its parallelization

JIAO Yu-wei1，WANG Peng1,2，XIN Gang3,4

(1.School of Computer Science and Technology,Southwest Minzu University,Chengdu 610225;

2.Guangdong Domestic Server Engineering Center,Guangzhou 510000;

3.University of Chinese Academy of Sciences,Beijing 100049;

4.Chengdu Institution of Computer Application,Chinese Academy of Sciences,Chengdu 610041,China）

Received:2020-06-09 Revised:2020-09-03 Online:2021-07-25 Published:2021-08-16

摘要/Abstract

摘要： 多尺度量子谐振子优化算法MQHOA是基于量子波函数理论提出的元启发式算法，传统MQHOA寻优过程中不同个体的采样尺度不具有差异性，这种机制限制了解的多样性。针对适应度不同的采样个体，提出采样尺度自适应策略，将采样情况差的个体采样尺度合理扩大，增加迭代过程中不同采样个体所使用采样尺度的多样性，并基于采样尺度的差异性提出并行化框架。选取7组测试函数将改进后的算法（MQHOA-PS）与MQHOA在华为鲲鹏920和AMD EPYC 7452处理器上进行测试实验，实验结果表明，改进后的算法寻优具有较高的精度和成功率，并且所需时间更短。

关键词: 多尺度, 自适应, 优化算法, 并行计算, 华为鲲鹏920, AMD EPYC 7452

Abstract: Multi-scale quantum harmonic oscillator algorithm (MQHOA) is a meta-heuristic algorithm based on the theory of Quantum wave function. In the traditional MQHOA optimization process, the sampling scale of different individuals is not different. This mechanism limits the diversity of solutions. Aiming at the sampled individuals with different fitness levels, a scale adaptive strategy is proposed. This strategy reasonably expands the scale of individuals with poor sampling conditions and increases the diversity of sampling scales used by different individuals in the iterative process. In addition, a parallelization framework is proposed based on the scale difference. Seven groups of test functions are selected to test the improved algorithm (MQHOA-PS) and MQHOA on the Huawei Kunpeng 920 processor and AMD EPYC 7452 processor. The experiments show that the improved algorithm has higher accuracy and success rate and less time.

Key words: multiscale, adaptive, optimization algorithm, parallel computing, Huawei Kunpeng 920, AMD EPYC 7452

焦育威, 王鹏, 辛罡, . 基于采样尺度自适应的多尺度量子谐振子优化算法并行化[J]. 计算机工程与科学, 2021, 43(7): 1200-1209.

JIAO Yu-wei, WANG Peng, XIN Gang, . A scale-adaptive multi-scale quantum harmonic oscillator algorithm and its parallelization[J]. Computer Engineering & Science, 2021, 43(7): 1200-1209.

[1]	欧阳玉旋, 张荣芬, 刘宇红, 彭垚潘. 基于Ghost高效层聚合网络的多尺度融合YOLOv7-tiny改进算法#br#[J]. 计算机工程与科学, 2025, 47(8): 1437-1448.
[2]	杨周灏, 吕方旭, 徐炜遐, 李世杰, 许超龙, 胡小月. 一种面向112 Gbit/s SerDes接收机的前瞻滑动判决反馈均衡器[J]. 计算机工程与科学, 2025, 47(7): 1162-1169.
[3]	张琪1, 顾腾达1, 任宇辰1, 季津琪2, 陈海涛1. 多策略改进的蝴蝶优化算法[J]. 计算机工程与科学, 2025, 47(7): 1312-1320.
[4]	曲海成, 张旺, 田鹏飞. 基于改进STN的指针式仪表图像校正方法[J]. 计算机工程与科学, 2025, 47(6): 1097-1105.
[5]	陈楚依, 罗雄飞, 鄢宝彤, 冯宇轩, 马可, 乔颖. 面向多层递归域名系统的自适应缓存管理方法[J]. 计算机工程与科学, 2025, 47(5): 823-831.
[6]	于致远, 宋慧慧, . 用于遥感图像时空融合的多尺度全聚合网络[J]. 计算机工程与科学, 2025, 47(5): 864-874.
[7]	廉凯成, 杨晨, 朱佳伟, 柴志雷, . 基于Floyd-Steinberg误差扩散的数字半调高效计算[J]. 计算机工程与科学, 2025, 47(5): 875-884.
[8]	杨春苗, 王杨, 韩力英, 孙赫彬. 基于生成对抗网络的跨模态图像情感感知描述[J]. 计算机工程与科学, 2025, 47(5): 894-901.
[9]	王莹, 杨青, 王翔宇, 张勇, . 基于非对称空间特征的脑电信号情感分析研究[J]. 计算机工程与科学, 2025, 47(5): 921-930.
[10]	李世杰, 刘阳, 唐晋韬, 郄航. 基于孤立集分区的并行Louvain社区发掘算法[J]. 计算机工程与科学, 2025, 47(4): 621-633.
[11]	谢斌, 李燕伟, 杨舒敏, 徐燕, 王冠超. 结合图像分解和自稀疏模糊聚类的情感颜色迁移[J]. 计算机工程与科学, 2025, 47(3): 513-523.
[12]	张元胤, 肖敏广, 刘志勇, 翁灵玲, 陈志广, 卢宇彤. 基于国产异构众核处理器的等值线与等值面提取算法优化[J]. 计算机工程与科学, 2025, 47(2): 200-209.
[13]	任瑞琳, 杨燕. 通道差先验下的自适应高斯函数去雾算法[J]. 计算机工程与科学, 2025, 47(1): 107-118.
[14]	高纪元, 刘杰, 陈昌盛, 李伟, 刘影, 杨靖, . 混合策略改进的蜣螂优化算法[J]. 计算机工程与科学, 2025, 47(1): 171-179.
[15]	陈磊, 梁正友, 孙宇, 蔡俊民. 多尺度特征融合的移动端单目深度估计研究[J]. 计算机工程与科学, 2024, 46(9): 1616-1524.