A Parallel Genetic Algorithm for Optimizing Morphologi- Cal Filters on Inhomogeneous Workstation

In this paper a modiication of a standard parallel genetic algorithm (SPGA) is introduced which can be run eeciently on diierent types of parallel computers. The purpose of the algorithm is to nd optimal morphological lters for grey scale image processing tasks. The structure of the developed General Parallel Genetic Algorithm (GPGA) is based on a new subpopulation model which uses an integral load balancing and soft synchronization mechanism. It is designed to lead to good parallelization eeciencies even on distributed workstation clusters with multiuser operating systems. This is especially important for user groups which have no access to massively parallel computers to speed up their algorithms. Run time results from tests on a massively parallel computer and a workstation cluster are shown. R ESUM E Ce papier pr esente une modiication d'un algorithme g en etique standard utilisant des techniques par-all eles. Cet algorithme permet de trouver les solutions optimales de ltres morphologiques pour une application au traitement d'images. La structure de cet algorithme g en etique g en eral d evelopp ee ci-dessous est bas ee sur un nouveau mod ele de sous-population qui balance et r e equilibre int egralement le poids de chaque t^ ache et apporte de la soup-lesse au m echanisme de synchronisation. Cela accro^ t l'eecacit e des t^ aches parall eles m^ eme distribu ees sur un ensemble de stations de travail, avec plusieurs utilisateurs sous dii erents environements. Cet avan-tage apporte aux utilisateurs qui n'ont pas acc es aux echanges parall eles, l'opportunit e d'am eliorer la ra-pidit e d' ex ecution de leurs algorithmes. Dii erentes simulations pr esentent les r esultats obtenus en util-isant une station avec plusieurs processeurs et plusieurs stations de travail.