• algoritmi genetici
• FastFlow
• modello ad isole
• multi-popolazione
• parallel design pattern
• skeleton algoritmici
• sottopopolazione

La tesi estende il pattern pool evolution presente nel framework di programmazione parallela strutturata FastFlow, in modo da poter ampliare l'applicabilità a tutti quei problemi la cui soluzione è ricavabile dal lavoro svolto su più popolazioni. L’obiettivo è quello di aumentare la velocità e/o la qualità della soluzione trovata.
Il nuovo pattern implementa un modello di computazione genetica detto "ad isole".
Nello specifico il nuovo pattern implementa una variante di tale modello che prevede lo scambio di informazioni fra le varie isole al fine di aumentare la variabilità dell’intera popolazione, riducendo il rischio del fenomeno di convergenza verso minimi locali (stagnazione).
La tesi presenta due implementazioni del pattern pool evolution secondo il modello ad isole: la prima operante su sottopopolazioni, la seconda operante su una singola multi-popolazione.
Entrambe le versioni vegono confrontate con il pattern pool evolution di FastFlow sottolineandone pregi e difetti. A tal fine, si utilizzano un certo numero di applicazioni sviluppate secondo il paradigma di programmazione genetica.