遗传算法是求解理论计算和工程优化问题的一种有效工具,但是对于一些多变量优化问题,由于存在着巨大的搜索空间,遗传算法尽管在理论上能够得到全局最优解,但在实际应用中却收敛缓慢,以致在允许的时间范围内不能得到有效的结果。这可以从两种途径进行解决,一种途径是并行化以加速遗传算法的求解速度;另一种途径是对搜索空间进行简缩。本文主要研究应用遗传算法求解大搜索空间问题的加速方法,主要工作如下: 1.对并行遗传算法的两种并行模式—主从式模式和粗粒度模式分别进行了分析和讨论,并用MPI实现这两种并行遗传算法,通过使用标准测试函数的测试,验证了程序的有效性,最后在对上述两种并行遗传算法代码进行重构的基础上,开发了一个并行遗传算法代码自动生成程序,该程序可以根据用户的需求自动生成并行遗传算法优化程序源代码。 2.针对大搜索空间问题,提出了一种改进的遗传算法,该遗传算法使用变步长搜索产生可行解,并同时对搜索空间进行减缩。通过理论分析和实验验证,证明了该方法能够提高遗传算法对大搜索空间问题的搜索能力。文中还给出了改进后的算法对一维单峰函数的优化的应用,以及对多维问题应用的展望。 3.将主从式并行遗传算法应用于托卡马克等离子体平衡位形优化问题,这是一个工程中实际存在的大搜索空间优化问题。通过对三个实例应用的研究和分析,证明了该应用可以缩短托卡马克极向场线圈位置和电流的计算时间。