CC BY
30
РАДЮЕЛЕКТРОН1КА ТА ТЕЛЕКОМУШКАЦП
Величина й достаточно большая, благодаря чему переходный процесс в схеме будет по характеру ближе к апериодическому, что и обеспечивает высокое быстродействие ключа.
ВЫВОДЫ
Предлагаемое техническое решение может быть использовано в автоматике, вычислительной и измерительной технике, когда требуется ключ с большим быстродействием и большими напряжениями развязки «вход - выход».
Конструктивно электронный ключ разработан на печатном трансформаторе с рабочим напряжением развязки 500 В (испытательное напряжение 2,5 кВ) с быстродействием £вкл + £выкл =0,2 мкс.
Характеристика ключа аналогична релейному элементу с гистерезисом. Кроме прямого использования ключ используется как пороговый элемент для контроля состояния тиристоров в преобразователях энергии постоянного и переменного тока.
ПЕРЕЧЕНЬ ССЫЛОК
1. Дугин Г. К. Схемы на феррит-полупроводниковых ячейках в аппаратуре связи. - М.: «Связь», 1968. -312 с.
2. Применение оптоэлектронных приборов: Пер. c англ. С. Гейг, Д. Эванс, М. Ходап, X. Соренсен. - М.: «Радио и связь», 1981. - 344 с.
3. Барыбин А. А. Электроника и микроэлектроника. Физико-технологические основы. - М.: «Физматлит», 2007. - 424 с.
4. Попов В. П. Основы теории цепей. - М.: «Высшая школа», 2005. - 575 с.
Надшшла 29.03.2007 Шсля доробки 17.03.2008
Запропоновано електронний ключ, який використо-вуеться як швидкодтчий пороговий елемент с гальва-тчним розв'язанням - електронне реле для контролю стану прилад1в в натвпров1дникових перетворювачах, що задовольняе основним вимогам до прилад1в контролю.
The electronic key used as a high-speed threshold element with a galvanic outcome - the electronic relay for the control of a devices condition over semi-conductor converters which meets the basic requirements shown to devices of the control is offered.
УДК 621.396.6
В. М. Крищук, Г. М. Шило, Б. А. Артюшенко
РОЗПАРАЛЕЛЕННЯ ГЕНЕТИЧНОГО АЛГОРИТМУ ПАРАМЕТРИЧНОГО СИНТЕЗУ АНТЕННО1 ГРАТКИ НА КОМПЮТЕРН1Й МЕРЕЖ1
Для тдвищення ефективност1 генетичного алгоритму (ГА) параметричного синтезу антенних реш1ток при за-даних допусках запропоновано метод розпаралелення. За-пропонований метод розроблено для роботи на комп'ютер-нш мереж1 та базуеться на паралелънш модел1 остро-в1в. Було досл1джено вплив асинхронного, синхронного та адаптивного режим1в роботи г обрано асинхронний режим.
ВСТУП
Використання генетичних метод!в при синтез! антенних систем останн!м часом отримало значного поши-рення [1-4]. В основу роботи ГА покладено !дею запо-зичену з еволюц!йного процесу б!олог!!: найпристосо-ван!ш! !ндив!дууми популяц!! виживають, схрещують-ся м!ж собою та дають нове, краще, покол!ння. Му-тац!я, схрещення та в!дб!р дозволяють видам пристосо-вуватись до р!зноман!тних умов !снування. Ц! ж проце-
© Крищук В. М., Шило Г. М., Артюшенко Б. А., 2008
си дають можлив!сть знаходити оптимальн! р!шення ! для р!зноман!тних прикладних задач.
Але ц! методи потребують значних обчислювальних ресурс!в. В зв'язку з чим постае задача розпаралелення обчислень [5]. Для цього можуть застосовуватись р!зноман!тн! апаратн! системи, але, враховуючи наявн! можливост! конструкторських орган!зац!й, доц!льно адаптувати паралельн! обчислення саме для мереж персональних комп'ютер!в (ПК).
Метою роботи е розробка засоб!в тдвищення ефек-тивност! генетичного алгоритму параметричного синтезу антенних систем при заданих допусках шляхом розпаралелення ГА на комп'ютерн!й мереж!.
Для вир!шення поставлено! задач! необх!дно:
- досл!дити особливост! комп'ютерно! мереж!;
- досл!дити можлив! засоби розпаралелення ГА;
- адаптувати запропонован! засоби для задач! ГА синтезу антенних систем.
20 ISSN 1607-3274 «Радюелектрошка. 1нформатика. Управлшня» № 1, 2008
В. М. Крищук, Г. М. Шило, Б. А. Артюшенко: РОЗПАРАЛЕЛЕННЯ ГЕНЕТИЧНОГО АЛГОРИТМУ ПАРАМЕТРИЧНОГО СИНТЕЗУ АНТЕННО1 ГРАТКИ НА КОМП'ЮТЕРН1Й МЕРЕЖ1
OCOBMHBOCTi KOMn'KTEPHOI MEPEMi
npH napa^e^bHHX oÖHHC^eHHax Ha KoMn'roTepHift Me-peMi BHHHKaroTb cyTTeBi 3aTpHMKH nepeflani flaHHX. TaK fl.na MepeMi Fast Ethernet .naTeHTHicTb cKnaflae 150 mkc
1 anapaTHa nponycKHa 3flaTHicTb He nepeBHrnye 100 M6/c. OTMe fl.na nepecH^KH onHcy aMn^iTyflHO-^a3OBoro po3-nofli^y aHTeHHo'i rpaTKH (Ar) 3 441 e^eMeHTiB Hac ne-peBH^yBaTHMe 300 mkc (flocniflH noKa3a^H, rn;o HacnpaB-Ai noTpi6Ho Bifl 1 mc). npH po6oTi Ha MepeMi nK 3a-TpHMKH Ta nponycKHi 3flaTHocri MiM yciMa nK oflHaKoBi, aK Hac^ifloK, oflHonacHa nepeflana flaHHX ao oflHoro nK npH3Befle ao 3HaHHHX 3aTpHMoK npH cHHXpoHi3aqii. B po-6oTi 3acTocoByBa^Hcb HacTynHi 3aco6H: MepeMa Fast Ethernet 3 10 nK (npoqecop - AMD Athlon 1.66 GHz, onepaTHBHa naM'aTb - 256 MB, onepaqiftHa cHcTeMa -QNX Neutrino 2.0). O6nHc.neHHa AiarpaMH HanpaM^eHo-cTi 3a3HaneHo'i aHTeHHo'i rpaTKH Ha qHX nK cK^aflae BiA
2 mc. OTMe nepecH^Ka AaHHX 3aftMae Hac Toro m nopafl-Ky, rn;o i o6^Hc^eHHa npHcTocoBaHocTi oAHoro reHoMy.
3 iHmoi cTopoHH icHye npo6.neMa nporpaMHoi pea-,ni3aqii cHHXpoHi3aqii. BHpimeHHa qiei npo6.neMH moxih-Be 3acTocoByBaHHaM: 6araTonoToHHocTi, nepeBaHTaMyBaH-Ha nepepHBaHHa BiA MepeMeBoro npHcTporo hh qHKniHHoi nepeBipKH npHXoAy AaHHX. Öi niflXoflH aochtü cKnaAHi npH nporpaMyBaHHi. HanpHKnaA, 3acTocyBaHHa 6araTo-noToHHocTi noB'a3aHo 3 npo6.neMaMH po3MeMyBaHHa aoc-Tyny ao äaHHX. OnepaqiftHa cHcTeMa QNX TaKoM ao3bo-.nae BHpimHTH qro npo6.neMy npH BHKopHcTaHHi Mepe-MeBoro npoToKo^y Qnet, aKHft Ao3Bo.nae nepeflaBaTH cHr-Ha^H POSIX. OTMe fl^a cHHXpoHi3aqii AocTaTHbo nepe-BaHTaMHTH iHme o6po6Ky cHraa.niB.
PO3nAPAMEXEHH# rEHETHHHHX
AttTOPHTMiB
Po6oTy rA noacHroe HacTynHHft 3anHc a^ropHTMy:
10 CTBopeHHa n04aTK0B0i' nonyAauii P (0); // P (0) -nonaTKOBa nonyAauia
20 epoch=0; // HOMep noKOAiHHa
30 BM3Ha4eHHa npwcTocoBaHocTi iHAMBiAyyMiB nonyAauii
P (0);
40 while (He BMKoHaHo KpMTepiM 3ynMHKM) // KiAbKiCTb noKoAiHb, 4ac oÖHMCAeHb
50 epoch = epoch + 1; // 36iAb0eHHa ANMAbHMKa noKoAiHb
60 P*(epoch) = ceAeKuia (P*(epoch - 1));
70 P (epoch) = cxpemeHHa Ta MyTauia (P*(epoch));
80 BM3HaneHHa npwcTocoBaHocTi iHAMBiAyyMiB nonyAauii P (epoch);
90 end while;
Ha 30-My Ta 80-My KpoKaX BH3HanaeTbca cTyniHb npHcTocoBaHocTi iHflHBiflyyMiB - to6to oqiHroroTbca BHXiAHi ^yHKqii, aKi c^ifl MiHiMi3yBaTH (MaKcHMi3yBaTH). Ha 60-
My Kpoqi ce^eKqia o6npae HaHnpHCT0C0BaHimi iHflHBiflyy-mh (to6to Ti, fl.na aKHX BHxiflHa ^>yHKqia Mae MiHiMa^bHe / MaKCHMa^bHe 3HaHeHHa). Ha 70-My Kpoqi oTpHMaHi iHflH-BiflyyMH cxpe^yroTbca Mi^ co6oro (to6to o6MiHroroTbca nacTHHaMH 6iToBoro Kofly "x MamHHHoro 3anHcy) Ta My-TyroTb (3a3HaroTb BHnaflKoBHX 3MiH). TaKHM hhhom Hac-TynHa nony.naqia 3a.ne^aTHMe Bifl HaftnpHcTocoBaHimHX iHflHBiflyyMiB nonepeflHboi'. A^e i"i iHflHBiflyyMH 6yflyTb Biflpi3HaTHcb Bifl nonepeflHix BHnaflKoBo.
OflHiero i3 nacTo 3raflyBaHHX oco6^HBocTeft TA e «npH-poflHHH» napa^e^i3M, nifl aKHM po3yMieTbca Mo^^HBicTb He3a^e^Horo o6^Hc^eHHa npHcTocoBaHocTi iHflHBiflyyMiB nony^aqi" (80-h KpoK a^ropHTMy).
A^e reHeTHHHHH a^ropHTM, 3 r^o6a^bHoro nony^a-qiero, Hafl aKoro npoBoflHTbca r^o6a^bHa ce^eKqia Ta KpocoBep, Ba^KHH fl^a po3napa^e^eHHa: ce^eKqia (KpoK 60) npoBoflHTbca nocnifloBHo Ha oflHoMy npoqecopi. ^^a BHpimeHHa qboro Heflo^iKy 3acTocoByroTb nponopqiHHy, TypHaMeHT Ta iHmi THnH ce^eKqi" [3]. Цi MeToflH noTpe-6yroTb 3HaHHo" Mi^npoqecopHo" B3aeMofli" Ha nepecHmy flaHHX (fl^a aHa^i3y npHcTocoBaHocTi iHflHBiflyyMy K^i-bhtom) Ta oTpHMaHHa pe3y^bTaTiB i, aK Hac^ifloK, 3Han-hhx KoMyHiKaqiHHHX BHTpaT.
3 MeToro niflBH^eHHa e^eKTHBHocTi napa^e^bHo" pea-^i3aqi" TA 6y^o po3po6^eHo cneqia^bHi Bepci" reHeTHH-hhx MeTofliB. HanpHK^afl, npH flpi6io-3epHHcTiH Mofle^i [5] Ko^HoMy 3 iHflHBiflyyMiB BiflnoBiflae oKpeMHH npoqe-cop, rn;o npoBoflHTb MyTaqiro, KpocoBep Ta o6^Hc^eHHa npHcTocoBaHocTi. A^e ce^eKqia o6Me^yeTbca bhk^mhho cyciflHiMH npoqecopaMH. Цa Mofle^b BHMarae cneqia^i3o-BaHHX MacoBo-napa^e^bHHX EOM i, BiflnoBiflHo, He Mo^e 6yTH 3acTocoBaHa fl^a Mepe^i nK.
ih0hm MerofloM e napa^e^bHa Mofle^b ocTpoBiB (pIGA -parallel island GA). npH HiH Ko^HoMy 3 npoqecopiB Ha-flaeTbca oKpeMa nony^aqia. npoqecop BHKoHye eBo^ro-qiro 3a flonoMororo 3BHHaHHoro, noc^ifloBHoro TA. nepio-flHHHo npoqecop o6MiHroeTbca HacTHHoro B^acHHX iHflHBiflyyMiB 3 iHmHMH npoqecopaMH. TaKHM hhhom o6car KoMyHiKaqiH 3HaHHo cKoponyeraca Ta cTae 6i^bm KepoBa-hhm. hk noKa3aHo b [6], fl^a 3aflaHi flonycKoBoro cHHTe-3y aHTeHHHX rpaToK 3a HaaBHocTi BiflMoB a6o BiflXH^eHb, HaHKpa^i pe3y^bTaTH noKa3ye CHC (Cross generational elitist selection Heterogeneous recombination (incest preventing) and Cataclysmic mutation [7]). ^h MeTofl Ta-ko^ Haft^erme pea^i3yeTbca fl^a ocTpiBHo" Mofle^i (Ip-CHC), qboMy cnpHaroTb MaiHi o6car nony^aqi", B6y-floBaHi 3aco6H BiflciBy oflHaKoBHX iHflHBiflyyMiB Ta 3ano-6iraHHa cxpe^eHHro 6^H3bKHX iHflHBiflyyMiB (npH Mirpa-qi" Kpa^HX iHflHBiflyyMiB Mi^ nony^aqiaMH flocHTb Hac-THMH Mo^yTb 6yTH noBTopH).
Po6oTa napa^e^bHoro TA 3a Mofle^^ro ocTpoBiB Bifl6y-BaeTbca HacTynHHM hhhom [8]:
10 Toaobhmm npouec (cepBep) iHiuiroe KAieHTiB Ta BiACMAae i'm nonaTKOBi nonyAauii' (reHepyioTbca BMnaAK0B0);
РАДЮЕЛЕКТРОН1КА ТА ТЕЛЕКОМУН1КАЦ11
20 Кл1енти проводять еволюц1ю отриманих популяцш (СНС) протягом задано! сервером юлькост поколшь (у в1дпов1дност до попереднього алгоритму, за критерш зупинки обираеться юльюсть поколшь);
30 Сервер очтуе на сигнал в1д вах кл1ент1в про завершення обчислень;
40 Сервер випадково обирае кл1ента;
50 Обраний кл1ент в1дсилае сво! найпристосоваыоп ¡ндив1дууми серверу;
60 Сервер пересилае найпристосоваыоп ¡ндив1дууми ¡ншим кл1ентам;
70 Кл1енти вносять отриман ¡ндив1дууми до власних популяцш;
80 Повторення з кроку 20.
Через нер1вном1ршсть часу обчислення пристосова-ност1 шдив1дуум1в для допускових задач, час обчислень клиентами також вар1юе. 3 метою тдвищення ефективносп роботи цього методу сл1д виршити ряд проблем: зменшити час взаемних оч1кувань процесо-рами та зб1льшити в1рог1дшсть розповсюдження най-кращих вщомих шдив1дуум1в. Для цього можна внести наступш змши:
1. 3ам1сть м1граци кращих шдив1дуум1в з одного клиента, проводити глобальний пошук та м1гращю найпристосовашших шдив1дуум1в вс1х кл1ент1в (на кроках 40-60 алгоритму 2), враховуючи незначний програш часу на проведеня такого пошуку ця змша ви-користовуеться в подальшш частиш;
2. Проводити на 30-му крощ синхрошзащю не за принципом однаково'1' юлькоси пройдених покол1нь вс1ма кл1ентами, а у вщповщносп до часу. Для цього за критерш зупинки (крок 40 першого алгоритму) слщ обрати час, або сервер сигналом Р081Х 1з заданою пер1одичн1стю зупиняе роботу кл1ент1в по еволюцЦ, та починае обм1н 1ндив1дуум1в. В останньому випадку кл1ентам достатньо перевантажити обробку сигнал1в.
3. Проводити на 30-му крощ синхрошзащю по при-буттю сигналу лише з частини (наприклад з одного) кл1ент1в (асинхронний режим). Шсля приходу сигналу з цих кл1ент1в, сервер сигналом зупиняе роботу кл1ен-ив над еволюц1ею та починае обмш, при цьому кл1енти проводять сортування шдив1дуум1в. Для асинхронного режиму в1дм1чають упов1льнення роботи ГА [9].
4. Проводити адаптащю параметр1в генетичного алгоритму тд час його роботи [7]. Для цього кл1енти обмшюються не т1льки кращими шдив1дуумами, а й
параметрами ГА (щдльшсть мутацЦ, величина ел1ти та популяцп), п1сля обирання найпристосован1ших 1нди-в1дуум1в, кл1енти зм1нюють параметри ГА, наближаю-чи 1х до параметр1в того з процесор1в, який синтезував найпристосовашш1 1ндив1дууми. Враховуючи нер1в-ном1рн1сть юлькоси 1ндив1дуум1в популяцИ, проводиться виключно синхрошзащя за часом.
ПРИКЛАДИ ЗАСТОСУВАННЯ
ПАРАЛЕЛЬНИХ ОБЧИСЛЕНЬ
Було проведено досл1дження задач1 синтезу амп-л1тудно-фазового розпод1лу (АФР) антенно! гратки з 21*21 ненапрямлених р1вном1рно розташованих еле-менив з початковим АФР [6] та 5 % допусками на ампл1туди та фази. У якоси критер1ю оптимальноси обрано м1н1м1зац1ю р1зниц1 м1ж отриманою та заданою ДН при р1вш б1чних пелюстк1в у 20 дБ.
У табл. 1 приводяться результати роботи 1рСНС (величина популяцп - 45, щдльшсть мутацп - 0,065, в1дношення попереднього та пром1жного покол1нь -1:2, кл1енти обм1нюються 5 % найпристосовашших 1ндив1дуум1в) за р1зно! к1лькост1 процесор1в та величин популяцИ при синхрошзацп п1сля кожного поко-лшня та глобальн1й м1грацИ найб1льш пристосованих шдив1дуум1в. Як 1 в [7], маемо нелшшне прискорення роботи ГА при використанш паралельного ГА. При проведенш обчислень за допомогою синхронного паралельного СНС при к1лькост1 процесор1в 2, час син-хрошзацп дор1внював половин1 часу обчислень на одному з ПК (приблизно 2 с). При нарощуванш к1ль-кост1 ПК, час синхрон1зац11 поступово зб1льшувався. Таким чином, використання асинхронного режиму доз-воляе значно скоротити час роботи 1, незважаючи на дещо прш1 результати при однаковш к1лькост1 по-кол1нь (хоча це 1 не наст1льки суттево як в робот1 [9]) за мало! юлькоси ПК, сам1 обчислення проводилися чи не вдв1ч1 швидше, отже дощльно застосовувати асинхронний режим. Як видно з табл. 2, так зване «нелшшне пришвидчення» ГА при розпаралеленш за моделлю островов [9-11] частково спричинено зб1ль-шенням популяцЦ. Таким чином, це пришвидчення ма-тиме м1сце для задач, що потребують велико1 попу-ляц11 (багатокритер1альн1 та багатопараметричн1 за-дач1).
Таблиця 1 - Результати роботи 1рСНС по завершет 75 покол1нь або по генерацп 2*45*50 тдив1дуум1в (через похилу риску)
Режим Юльюсть процесор1в
2 4 6 8 10
Синхронний режим 1,33 1,18 / 1,24 1,1 / 1,25 1,06 / 1,13 1,14 / 1,42
Асинхронний режим 1,57 1,17 / 1,43 1,26/ 1,59 1,24 / 1,42 1.07 / 1.37
Синхрошзащя за часом 1,43 1,32 / 1,48 1,37 /1,45 1,22 / 1,42 1,08 / 1,37
22
1607-3274 «Радюелектрошка. 1нформатика. Управлшня» № 1, 2008
В. M. Крищук, Г. M. Шило, Б. А. Артюшенко: РОЗПАРАЛЕЛЕННЯ ГЕНЕТИЧНОГО АЛГОРИТМУ ПАРАМЕТРИЧНОГО СИНТЕЗУ АНТЕННО1' ГРАТКИ НА КОМП'ЮТЕРН1Й МЕРЕЖ1
Таблиця 2 - Результати роботи CHC при pÍ3íiü величин популяцп по завершен 75 покол1нь або по генерацп 2*45*50 iндивiдуумiв (через похилу риску)
Величина популяцп 45 90 180 360
Результат роботи CHC 1,48 1,26 / 1,5 1,23 / 1,64 1,17 / 1,49
Таблиця 3 - CHC з адаптащею параметрiв синхронного режиму по завершен 75 поколiнь
Юлькють процесор1в 2 4 5 6 7 8
Отриманий результат 1,20 1,66 0,99 1,4 1.11 1,29
Величина популяцп 125 103 87 21 22 42
Величина ел1ти 52 % 47 % 22 % 23 % 50 % 40 %
Щшьшсть мутацп 0,05 0,064 0,06 0,05 0,11 0,1
Застосування IpCHC з адаптащею параметр1в хоч i дозволило дещо зб1льшити ефектившсть обчислень (табл. 3), але не дало можливосп виявити оптимальнi значення параметрiв ГА, якi з плином часу та Miœ системами досить суттево змiнювались. Але слщ зазначи-ти, що при застосуванш синхронного адаптивного IpCHC, виявлено тенденщю до поступового зменшення величини популяцп з ростом юлькосп процесорiв.
ВИСНОВКИ
В роботi запропоновано тдх^ до розпаралелення генетичного алгоритму параметричного синтезу антен-них систем за наявност вiдхилень вiд номiнальних значень для середовища комп'ютерно'' мережi. У яко-стi моделi розпаралелення застосовано паралельний варiант моделi островiв. Для цього тдходу було дослужено вплив режиму синхронiзацiï. Як показали отримат результати, з точки зору ефективност отри-маних рiшень, краще застосовувати асинхронний режим, що пов'язано з варiативнiстю часу обчислення пристосованост iндивiдуумiв. Так зване нелшшне пришвидчення роботи паралельно'' моделi островiв при зростаннi кiлькостi процесорiв, характерне також i для задачi параметричного синтезу антен. Це пов'язано iз великою кiлькiстю параметрiв та зростанням величини популяцп iз збiльшенням юлькосп процесорiв. Впро-вадження ГА з адаптащею параметрiв дае незначний виграш у якостi знайдених рiшень та не показало опти-мальних значень параметрiв генетичного алгоритму.
ПЕРЕЛ1К ПОСИЛАНЬ
1. Артюшенко Б. А. Синтез лшшноУ антенной реоптки з заданими допусками на 'й' параметри за допомогою генетичного алгоритму // Радюелектрошка. ¡нфор-матика. Управлшня. - № 1. - 2007. - С. 15-18.
2. Synthesis of Sparce Planar Arrays Using Modified Real Genetic Algorithm / Chen K., Yun X., He Z., Han C. // IEEE Transactions on Antennas and Propagation. - 2007. - Vol. 55, No. 4.- P. 1067-1073.
3. John A, Ammann M. J. Design of wide-band printed antenna using genetic algorithm on an array of overlapping sub-patches // IEEE Workshop on Antenna Techno-
logy Small Antennas and Novel Metamaterials. - 2006. -P. 92-95
4. Chattoraj N., Roy J. S. Application of Genetic Algorithm to the Optimization of Microstrip Antennas with and without Superstrate // Application of Genetic Algorithm to the Optimization of Microstrip Antennas with and without Superstrate. - 2006. - Vol. 12, No. 2. - P. 32-35.
5. A Parallel Electromagnetic Genetic-Algorithm Optimization (EGO) Application for Patch Antenna Design / Villegas F. J., Cwik T., Rahmat-Samii Y., Manteghi M. // IEEE Transactions on antennas and propagation - 2004. -Vol. 52, No. 9. - P. 2424-2435.
6. Artyushenko B. Genetic Algorithm for Antenna Array with Failed and Deviated Elements Optimization // Proc. of IEEE Int. Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Application. - Dortmund (Germany). - 2007. - P. 228-231.
7. Eshelman L. The CHC Adaptive Search Algorithm // Foundation of Genetic Algorithms, G. Rawlings, ed. MorganKaufmann. - 1991. - Pp. 256-283.
8. Whitley D. Cellular genetic algorithms. // In Proceedings of the Fifth International Conference on Genetic Algorithms - San Francisco, California (USA). - 1993 -P. 658.
9. Genetic Adventures in Parallel: Towards a Good Island Model under PVM [Електронний ресурс] / Keith Vertanen. - Електр. дан. - Режим доступу: http://www. keithv.com/papers/island_model_pvm.pdf, в1льний. -Заголовок з екрану.
10. Tongchim S., Chongstitvatana P. Comparison between synchronous and asynchronous implementation of parallel genetic programming // In Proceedings of the 5th International Conference for Artificial Life and Robotics.-Japan. - 2000. - P. 251-254
11. Tongchim S., Chongstitvatana P. Parallel genetic algorithm with parameter adaptation // Information Processing Letters. - 2002. - Vol. 82, No. 1. - P. 47-54.
Надшшла 3.03.2008 Шсля доробки 18.03.2008
С целью повышения эффективности параметрического синтеза антенных решеток при заданных допусках предложен метод распараллеливания генетического алгоритма. Предложенный метод разработан для компьютерной сети и базируется на параллельной модели островов. Было рассмотрено влияние асинхронного, синхронного и адаптивного режимов работы и выбрано асинхронный режим.
To reduce time consumption of genetic algorithm for antenna arrays optimization with given tolerances on its parameters parallelization scheme is proposed. The proposed parallel genetic algorithm is developed for case of computernetwork environment. After looking at the various available parallel models, the island model was chosen as the most appropriate. Synchronous, asynchronous and adaptive realizations were examined, and among them asynchronous variant was chosen.
