基于MapReduce 泛型遗传算法的机载计算机散热器设计

刘世卿

（中航工业西安航空计算技术研究所，西安 710119）

0 引言

现代微电子器件高密度封装、多种功能用途、高速工作的特点决定了其功率耗散密度的增大，会产生更多的热量。在一定环境温度条件下，为了使机载计算机能够可靠、稳定地工作，必须将设备所产生的大量热量散发出去；因此，热设计技术比起电参数设计、结构设计的重要性会更为突出［1］。

传统的应用遗传算法（Genetic Algorithm，GA）对箱体散热进行优化设计的问题［3，7］，伴随着应用问题的规模增加、影响因素的增多，逐渐面临效率低下的问题。GA 的研究从一开始就是基于并行处理，早在1960 年代初期，Holland 教授就认识到了遗传算法的自然并行性。近年来，人们不断地致力于把遗传算法应用到各种并行计算机上，即并行遗传算法（Parallel Genetic Algorithm，PGA）的理论和应用研究［5］。但是这些并行遗传算法大都采用较低的抽象框架（如MPI［8］），不但很难实现编程，而且也不易扩展［6］。

在函数式语言两大算子map 和reduce 基础上，Google 公司开发了MapReduce 这一通用并行抽象计算模型［9，12］。MapReduce 通过把并行数据处理以及并行计算的操作抽象为map 和reduce 两种，大大降低了分布式并行计算程序间的耦合程度，在提供高效计算的同时还具有很好的可扩展性与易编程性特点。

正是基于这样的考虑，本文拟将遗传算法与MapReduce 相结合，克服传统PGA 的不足，并应用于箱体散热器的算例当中。然而遗传算法各种群间交叉运算的存在，使得不能简单套用传统map 和reduce 算子完成遗传算法的并行化。据此，本文设计了基于复合MapReduce 的遗传算法（Currying MapReduce GA，CMRGA），并应用该算法对密闭箱体散热器进行了结构优化。……