论文研究基于分布式粗粒度并行计算的遗传规划算法研究.pdf

针对经典遗传规划算法（CGP）存在容易早熟收敛、运行效率低的缺陷，提出一种将分布式计算与遗传规划算法结合的计算模型。该模型利用个体迁移策略实现对种群的优化，克服易早熟的缺陷。并且采用分布式计算能够有效地节省算法的运行时间。最后通过对语音数据预测误差的比较，验证了改进后算法的有效性。实验表明，基于分布式粗粒度并行计算的遗传规划算法（CGGP）计算性能优于经典遗传规划算法（CGP）。