Hadoop平臺(tái)上多序列最長(zhǎng)公共子序列并行算法及應(yīng)用研究.pdf

1、最長(zhǎng)子序列計(jì)算在生物信息學(xué)、信息檢索和信息內(nèi)容比對(duì)等領(lǐng)域都有著重要的應(yīng)用。最長(zhǎng)公共子序列計(jì)算是一個(gè)優(yōu)化計(jì)算問(wèn)題，相當(dāng)耗時(shí)。如何在序列集較大的多序列數(shù)據(jù)中快速精確地找到最長(zhǎng)公共子序列是一個(gè)重要的研究課題。本文研究設(shè)計(jì)實(shí)現(xiàn)基于Hadoop平臺(tái)的多序列最長(zhǎng)公共子序列并行算法，并將其應(yīng)用于文本相似計(jì)算。
　　基于分布式并行架構(gòu)Hadoop平臺(tái)，劃分多序列數(shù)據(jù)，設(shè)計(jì)多序列數(shù)據(jù)在HDFS中的存儲(chǔ)方案及并行查找結(jié)果的傳遞方案，采取減少M(fèi)appe

2、r、Reducer數(shù)的方法，以減少并行計(jì)算過(guò)程中數(shù)據(jù)的傳遞，使得每個(gè)節(jié)點(diǎn)在計(jì)算尋找最長(zhǎng)公共子序列的過(guò)程中負(fù)載均衡，采用MapReduce編程模型，設(shè)計(jì)實(shí)現(xiàn)多序列最長(zhǎng)公共子序列并行算法。實(shí)驗(yàn)結(jié)果表明，設(shè)計(jì)實(shí)現(xiàn)的并行算法有效地求解多序列的最長(zhǎng)公共子序列長(zhǎng)度，加速效果明顯。
　　在分布式并行架構(gòu)Hadoop平臺(tái)上，研究多序列最長(zhǎng)公共子序列算法應(yīng)用于并行求解文本相似問(wèn)題，將文本按章分段分配到不同的Map任務(wù)中，以減少文本數(shù)據(jù)的傳遞，設(shè)計(jì)M