群智能優(yōu)化算法的MapReduce化實(shí)現(xiàn).pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算等一系列新興技術(shù)的涌現(xiàn)，大數(shù)據(jù)的時(shí)代已經(jīng)到來。如何快速而準(zhǔn)確地從大數(shù)據(jù)中挖掘出有價(jià)值的信息，是當(dāng)代學(xué)術(shù)界和產(chǎn)業(yè)界的重大研究課題。傳統(tǒng)單機(jī)的群智能優(yōu)化算法無論是在執(zhí)行效率上，還是在計(jì)算復(fù)雜度上都已經(jīng)不能滿足海量數(shù)據(jù)的處理需求，而云計(jì)算技術(shù)的發(fā)展為群智能優(yōu)化算法在數(shù)據(jù)分析和處理方面提供了新的研究方向。
　　MapReduce作為一種并行編程模型，主要定位和服務(wù)于大規(guī)模數(shù)據(jù)和計(jì)算任務(wù)。根據(jù)群智能優(yōu)化算法并行

2、計(jì)算的特點(diǎn)，結(jié)合MapReduce的分布式編程模式，能夠有效地利用集群的計(jì)算優(yōu)勢(shì)處理規(guī)模龐大的計(jì)算任務(wù)，縮短任務(wù)的執(zhí)行時(shí)間。本文對(duì)幾個(gè)比較經(jīng)典的群智能優(yōu)化算法進(jìn)行了研究和分析，針對(duì)雨林算法在高維優(yōu)化問題中算法收斂慢以及尋優(yōu)精度低等方面進(jìn)行了適當(dāng)?shù)母倪M(jìn)，利用雨林算法高度并行的特點(diǎn)，給出了MapReduce編程模型實(shí)現(xiàn)雨林算法的方法。
　　本論文的主要工作及創(chuàng)新點(diǎn)如下：
　　第一，深入研究了MapReduce編程模型和幾種比較經(jīng)

3、典的群智能優(yōu)化算法的原理和流程；第二，剖析了雨林算法的原理和流程，首先分析和改進(jìn)了雨林算法的動(dòng)態(tài)方程及其參數(shù)設(shè)置，然后在雨林算法的播種階段，設(shè)計(jì)了播種算子，提出基于自適應(yīng)種群的雨林算法，在雨林算法的生長階段，引進(jìn)了陽光矢量和陽光系數(shù)，提出了基于陽光矢量的雨林算法；第三，利用雨林算法基于種群迭代生長的高度并行的特點(diǎn)，結(jié)合MapReduce分布式編程框架，分析并提出了雨林算法的MapReduce并行化的幾種可行性方案；第四，提出基于MapR