群智能優(yōu)化算法的MapReduce化實現.pdf

1、隨著移動互聯網、物聯網、云計算等一系列新興技術的涌現，大數據的時代已經到來。如何快速而準確地從大數據中挖掘出有價值的信息，是當代學術界和產業(yè)界的重大研究課題。傳統(tǒng)單機的群智能優(yōu)化算法無論是在執(zhí)行效率上，還是在計算復雜度上都已經不能滿足海量數據的處理需求，而云計算技術的發(fā)展為群智能優(yōu)化算法在數據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，主要定位和服務于大規(guī)模數據和計算任務。根據群智能優(yōu)化算法并行

2、計算的特點，結合MapReduce的分布式編程模式，能夠有效地利用集群的計算優(yōu)勢處理規(guī)模龐大的計算任務，縮短任務的執(zhí)行時間。本文對幾個比較經典的群智能優(yōu)化算法進行了研究和分析，針對雨林算法在高維優(yōu)化問題中算法收斂慢以及尋優(yōu)精度低等方面進行了適當的改進，利用雨林算法高度并行的特點，給出了MapReduce編程模型實現雨林算法的方法。
　　本論文的主要工作及創(chuàng)新點如下：
　　第一，深入研究了MapReduce編程模型和幾種比較經

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，首先分析和改進了雨林算法的動態(tài)方程及其參數設置，然后在雨林算法的播種階段，設計了播種算子，提出基于自適應種群的雨林算法，在雨林算法的生長階段，引進了陽光矢量和陽光系數，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，結合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