En este c aso el nodo toma el papel de puente

Info iconThis preview shows page 1. Sign up to view the full content.

View Full Document Right Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: e paralelización u tilizan una población única, mientras que otros dividen la población en diversas subpoblaciones relativamente aisladas. Algunos métodos utilizan arquitecturas masivamente p aralelas, mientras que otros son más apropiados para m.ultiprocesadores con menos y más p otentes elementos de proceso conectados por una red más lenta. E s posible definir cuatro tipologías diferentes de AGs paralelos [Bel95, CPOl, Lev94]: • A Gs maestro-esclavo con una población única. • A Gs multipoblación (modelo de islas). • A Gs de grano fino. • H íbridos jerárquicos. Los AGs maestro-esclavo tienen una población única. Un nodo maestro ejecuta el AG (selección, cruce y mutación), y la evaluación de los individuos se distribuye entre diversos p rocesadores esclavo. Los esclavos evalúan los individuos que reciben del maestro y le d evuelven el resultado. Ya que en este tipo de AGs paralelos, el cruce y la mutación c onsideran a la población completa, también se les conoce como AGs paralelos "globales". L os AGs con múltiples poblaciones [WRH97, MSOO] son más sofisticados y provienen d e la observación de la naturaleza. Es posible decir que el mundo de los humanos es una c olección de subpoblaciones, que evolucionan de forma independiente en continentes o r egiones restringidas. Sin embargo, cada cierto tiempo, algunos individuos de una región m igran a otra región, permitiendo a las subpoblaciones compartir material genético. La i dea es que entornos aislados, o islas competitivas, son más eficientes en la búsqueda que u na única población en la que todos los miembros están juntos. A plicando esta idea a los algoritmos genéticos, es posible que cada procesador ejecute s u propio algoritmo genético secuencial con su propia subpoblación, pero por supuesto, i ntentando maximizar la misma función. Si se define sobre las subpoblaciones una estructura de vecinos, y, con una determinada frecuencia, cada subpoblación manda sus mejores i ndividuos a sus vecinos, se dice que se está ejecutando un algoritmo genético distribuido. C omo cada procesador comienza con una población inicial diferente, la búsqueda evolutiva dirigirá estas poblaciones en diferentes direcciones. A través de la introducción de la m igración, el modelo de islas es capaz de aprovecharse de las diferencias de las subpoblaciones, creándose una fuente de diversidad genética. Migrar un gran número de individuos m uy frecuentemente puede anular las diferencias entre las islas, destruyendo de esta forma l a diversidad global. Por otra parte, si la migración no es muy frecuente, se puede producir una convergencia prematura de las subpoblaciones. A la hora de trabajar con el modelo d e islas se debe determinar: • E l número y tamaño de las subpoblaciones. 84 Clasificación Supervisada Basada en RRBB. Aplicación en Biología Computacional • La frecuencia de migración. • El número y el destino de los individuos migrados. • Un método para seleccionar los individuos a migrar. En la figura 5.6 se pueden observar diversas topologías que han sido utilizadas en los AGs paralelos por islas. Las topologías indican el número total de islas utilizadas y cómo estas islas se interconectan a la hora de migrar individuos. A nillo unidireccional A nillo bidireccional Escalera F igura 5.6: Diversas topologías de AGs paralelos con múltiples poblaciones En cuanto al modelo de islas, hay diversos investigadores que aseguran que es posible conseguir speedups superlineales con este tipo de algoritmos, consiguiendo mejores resultados con un menor número de individuos evaluados. Aunque existe mucha controversia sobre esta discusión [Pun98], los estudios sobre el incremento de la presión selectiva [CPOl] proporcionan una respuesta afirmativa apropiada. El tercer tipo de AGs paralelos son los algoritmos de grano fino. Consisten en una única población estructurada espacialmente (véase figura 5.7). Normalmente, la estructura de la población es una rejilla rectangular de dos dimensiones, con un individuo en cada punto de la rejilla. Idealmente hay un procesador por cada individuo, por lo que las evaluaciones del fitness se pueden realizar simultáneamente a todos los individuos. La selección y cruce están 5.4. Parallel Interval Estimation naive-Bayes - P IENB 85 -O-OOKXK -ooooo"O0-0-CM>"OOOOO - <>o-o-o-o F igura 5.7: Esquema de AGs paralelos de grano fino r estringidos a u n p equeño vecindario alrededor d e c ada individuo. Como los vecindarios e stán solapados, los buenos rasgos d e los mejores individuos se p ueden extender a t oda l a población, por lo q ue a e ste tipo d e A Gs paralelos también se les denomina "modelo d e difusión" (análogo a l a difusión aleatoria d e p artículas e n un ñ uido). Este tipo d e A Gs paralelos son idóneos para computadores matriciales (SIMD), que ejecutan al m ismo tiempo la misma instrucción en diferentes procesadores. E l último método d e A Gs paralelos, híbridos jerárquicos, combina el m odelo d e islas con los AGs maestro-esclavo o g rano fino. Estos AGs combinan l as v entajas d e sus c omponentes, dando mejor rendimiento que cada un...
View Full Document

Ask a homework question - tutors are online