使用OpenMPI分配GA算法

Question

我是新的OpenMPI工作...我構建了一個GA算法（C++）來解決第n個變量方程，現在我試圖通過使用OpenMPI並行化來提高其性能。

的代碼結構去如下：

int main(int argc, char *argv[]){ 
    int i=1; 
    int print=0; 
    int fitness_check; 

    if (argc < 2) print=1; 


    //initialize rand parameter 
    srand(time(0)); 
    //start counting clock 
    auto start_time = std::chrono::high_resolution_clock::now(); 
    //start GA 
    population *pop=new population(); 
    pop->calcPopFitness(); 
    pop->popSort(); 

    fitness_check=pop->getElement(0).getFitness(); 
    while(pop->getElement(0).getFitness()!=0){ 
     pop->evolvePop(); 

     pop->calcPopFitness(); 

     pop->popSort(); 


     if(fitness_check<(pop->getElement(0).getFitness())){ 
      cout<<"Error in elitism\n"; 
      cout<<"---------------------------\nPrinting after sort...\n"; 
      pop->printPopulation(); 
      cout<<"\n-------------------------------------------\n"; 
      exit(1); 
     }else{ 
      if(fitness_check>(pop->getElement(0).getFitness())) 
       fitness_check=(pop->getElement(0).getFitness()); 
     } 
     if(print==1)cout<<"\nBest string fit in ("+to_string(i)+") iteration: "+string(pop->getElement(0).getString())+"\n"; 
     i++; 
    } 
    if(print==1)cout<<"\nGA algorithms work!\n"; 
    //end of GA algorithm and stop counting time 
    auto end_time = std::chrono::high_resolution_clock::now(); 
    auto time = end_time - start_time; 
    if(print==1)std::cout << "It took " << 
    std::chrono::duration_cast<std::chrono::milliseconds>(time).count() << " milliseconds to run.\n"; 
    writeFile(pop->getElement(0).getValues(), to_string(std::chrono::duration_cast<std::chrono::milliseconds>(time).count())); 
    pop->cleanup(); 
    delete pop; 
    return 0; 
} 

我的類別是：

class chromossome{ 
    private: 
     int * values; 


    public: 
     unsigned int fitness; 
     //constructor 
     chromossome(); 
     chromossome(int *vector); 
     void deleteVector(); 

     bool operator<(const chromossome& other) const { 
      return fitness < other.fitness; 
     } 
     unsigned int getFitness(); 
     int* getValues(); 
     void calcFitness(); 
     void setGene(int i, int gene); 
     int getGene(int i); 
     //int constgetGene(int i) const; 
     void mutate(); 
     string getString() const; 
}; 

和

class population{ 
    private: 
     int population_size; 
     vector<chromossome> ChromoPopulation; 
    public: 
     population(); 
     population(bool newIteration); 
     int getSize(); 
     void printPopulation(); 
     void removeChromossome(); 
     chromossome getElement(int position); 
     void calcPopFitness(); 
     void popSort(); 
     void addChromossome(chromossome individual); 
     chromossome *tournamentSelection(); 
     chromossome* crossover(chromossome a, chromossome b); 
     void mutate(); 
     chromossome * cloneChromossome(chromossome c); 
     vector<chromossome> getList(); 
     void evolvePop(); 
     void cleanup(); 
}; 

作爲第一個方法，我只是想分配的適應度函數，使得每個處理計算的人口的一部分的適應度。我認爲這可以通過使索引來實現的範圍內執行計算（這將要求每個進程具有訪問相同的人口），或者通過發送人口元件。

void population::calcPopFitness(){ 
    for_each(ChromoPopulation.begin(), ChromoPopulation.end(), [=](chromossome & n) 
     {n.calcFitness();}); 
    return; 
} 

void chromossome::calcFitness(){ 
    int result=0; 
    for(int i=0; i<NUMBERVARIABLES; i++){ 
     result+=values[i]*(i+1); 
    } 
    result-=1024; 
    fitness=result; 
    return; 
} 

我的目標是再大的人口和大量的變量執行此計算。

誰能告訴我什麼是最好的辦法，如果可能的話給我一些代碼的例子嗎？我一直在爲此奮鬥了一個星期，至今沒有取得任何進展......

在此先感謝...任何幫助是一個巨大的幫助。

Answer 1

可以使用MPI看看我們的實現中的遺傳程序變種：

https://github.com/mihaioltean/evolve-tsp-heuristics/tree/master/train/mpi

我們的目的是培養啓發式的TSP問題，但是這需要花費大量的時間，所以我們決定使用MPI在多臺電腦上運行。我們還使用線程，同一處理器內部，以減少MPI開銷。

我們已經將我們的（超）人口劃分爲多個人口，並且在每一代人結束時我們會在人口之間交換一些人（參見MPI_Send/Recv部分）。