Slope stability analysis by variational method with genetic algorithm application. Part 4 : Parallel genetic algorithms

• Autorzy: Srokosz P. E.

Warianty tytułu

PL

Analiza stateczności zboczy metodą wariacyjną z zastosowaniem algorytmu genetycznego. Cz.4 : Równoległe algorytmy genetyczne

• Języki publikacji: EN

Abstrakty

EN

The advantages of the parallelism of genetically controlled slope stability evaluations are presented. The determination of the general solution, taking into account the minimization of R and T functions using multicriterial optimization method, is described. The calculations were performed on a cluster of computers using the Parallel Virtual Machine and the Parallel Genetic Algorithm. The efficiency and accuracy of calculations based on synchronous and parallel information processing were analyzed by comparisons to the best solution obtained for the example of slope, presented in the previous part of this paper.

PL

Przedstawiono zalety współbieżności genetycznie sterowanych obliczeń stateczności zboczy. Opisano metodę wyznaczania globalnego rozwiązania opartą na minimalizacji funkcjonałów R i T przy wykorzystaniu optymalizacji wielokryterialnej. Obliczenia przeprowadzono na zestawie komputerów wykorzystując Równoległą Maszynę Wirtualną oraz Równoległy Algorytm Genetyczny. Przeanalizowano efektywność i dokładność obliczeń opartych na współbieżnym i równoległym przetwarzaniu informacji porównując wyniki z najlepszym rozwiązaniem przykładowego zbocza, prezentowanego w poprzedniej części niniejszego artykułu.

Słowa kluczowe

EN

slope stability; variational method; genetic algorithm; parallel algorithm; multicriterial optimization

PL

stateczność zbocza; metoda wariacyjna; algorytm genetyczny; algorytm równoległy; optymalizacja wielokryterialna

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2009
• Tom: Vol. 55, nr 2
• Strony: 229--256
• Opis fizyczny: Bibliogr. 22 poz., il.

Twórcy

autor

Srokosz P. E.

• University of Warmia and Mazury, Olsztyn, Poland,

Bibliografia

• 1. E. ALBA, J. M. TROYA, Improving flexibility and efficiency by adding parallelism to genetic algorithm, Statistics and Computing, 12, 91-114, Kluwer Academic Publishers, 2002.
• 2. E. ALBA, J. M. TROYA, Analyzing synchronous and asynchronous parallel distributed genetic algorithms, Future Generation Computer Systems, 17, 451-465, Elsevfer, 2001.
• 3. E. ALBA, J. M. TROYA, Influence of migration policy in parallel distributed Gas with structured and panmictic populations, Applied Intelligence, 12, 163-181, Kluwer Academic Publishers, 2000.
• 4. E. ALBA, A. NEBRO, J. M. TROYA, Heterogeneous computing and parallel genetic algorithms, Journal of Parallel and Distributed Computing, 62, 1362-1385, 2002.
• 5. J. ARABAS, Lectures on evolutionary algorithms [in Polish], Wydawnictwa Naukowo-Techniczne, Warszawa 2004.
• 6. Dudy LIM, YEW-SOON ONG, YAOCHU JIN, BERNHARD SENDHOFF, Bu-SuNG LEE, Efficient hierarchical parallel genetic algorithms using grid computing, Future Generation Computer Systems, 23, 658-670, Elsevier, 2007.
• 7. D. GOLDBERG, Genetic algorithms and their applications [in Polish], Wydawnictwa Naukowo-Technicz-ne, 1995.
• 8. P. MARTIN, A hardware implementation of a genetic programming system using FPGAs and Handel-C, Genetic Programming and Evolvable Machines, 2, 317-343, Kluwer Academic Publishers, 2001.
• 9. M. MATSUMOTO, T. NISHIMURA, Mersenne Twister: A 623-dimensionally equidistributed uniform pseudorandom number generator, ACM Transactions on Modeling and Computer Simulation, 8, l, 3-30, 1998.
• 10. Z. MICHALEWICZ, Genetic algorithm + data structures = evolution programs, Springer-Verlag, 1992.
• 11. W. RIVERA, Scalable Parallel Genetic Algorithms, Artificial Intelligence Review, 16, 153-168, Kluwer Academic Publishers, 2001.
• 12. D. RUTKOWSKA, M. PILIŃSKI, L. RUTKOWSKI, Neural networks, genetic algorithms and fuzzy systems fin Polish], Wydawnictwo Naukowe PWN, 1999.
• 13. SHISANU TONGCHIM, PRABHAS CHONGSTITVATANA, Parallel genetic algorithm with parameter adaptation, Information Processing Letters, 82, 47-54, Elsevier, 2002.
• 14. P. E. SROKOSZ, Slope stability analysis by variational method with genetic algorithm application. Part 1: Slopes with homogeneous cohesive soils. Simple genetic algorithm application, Archives of dvii Engineering, 53, l, 2007.
• 15. P. E. SROKOSZ, Slope stability analysis by variational method with genetic algorithm application. Part 2: Genetic algorithm with advanced techniques. Simple modeling of uncertainties, Archives of Civil Engineering, 53, 2, 2007.
• 16. P. E. SROKOSZ, Slope stability analysis by variational method with genetic algorithm application. Part 3: Normal stress distribution. Parallel and distributed computing, Archives of Civil Engineering, 54, 2, 2008.
• 17. Tabitha L. JAMES, Reza BARKHI, John D. JOHNSON, Platform impact on performance of parallel genetic algorithms: Design and implementation considerations, Artificial Intelligence, 19, 843-856, Elsevier, 2006.
• 18. D. WHITLEY, A genetic algorithm tutorial, Computer Science Department, Colorado State University, available from http://samizdat.mmes.edu/ga_tutorial/, (accessed 12 June 2006);
• 19. D. WHITLEY, An overview of evolutionary algorithms: practical issues and comrnon pitfalls", Information and software technology, 43, 817-831, Elsevier 2001.
• 20. D. WHITLEY, S. RANA, J. DZUBERA, K. E. MATHIAS, Evaluating evolutionary algorithms, Artificial Intelligence, 85, 245-276, Elsevier 1996.
• 21. http://odn.uwm.edu.pl (the 5th Days of Science in Olsztyn, accessed 27.01.08);
• 22. http://odn.uwm.edu.pl/events/item/64 (the 5th Days of Science in Olsztyn, Information Technology in Civil Engineering, accessed 27.01.08);