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

1、最長子序列計算在生物信息學(xué)、信息檢索和信息內(nèi)容比對等領(lǐng)域都有著重要的應(yīng)用。最長公共子序列計算是一個優(yōu)化計算問題，相當(dāng)耗時。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公共子序列是一個重要的研究課題。本文研究設(shè)計實(shí)現(xiàn)基于Hadoop平臺的多序列最長公共子序列并行算法，并將其應(yīng)用于文本相似計算。
　　基于分布式并行架構(gòu)Hadoop平臺，劃分多序列數(shù)據(jù)，設(shè)計多序列數(shù)據(jù)在HDFS中的存儲方案及并行查找結(jié)果的傳遞方案，采取減少M(fèi)appe

2、r、Reducer數(shù)的方法，以減少并行計算過程中數(shù)據(jù)的傳遞，使得每個節(jié)點(diǎn)在計算尋找最長公共子序列的過程中負(fù)載均衡，采用MapReduce編程模型，設(shè)計實(shí)現(xiàn)多序列最長公共子序列并行算法。實(shí)驗結(jié)果表明，設(shè)計實(shí)現(xiàn)的并行算法有效地求解多序列的最長公共子序列長度，加速效果明顯。
　　在分布式并行架構(gòu)Hadoop平臺上，研究多序列最長公共子序列算法應(yīng)用于并行求解文本相似問題，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M