一种适用于大规模变量的并行遗传算法研究

• 作者: 李东 潘志松
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 大规模变量 MapReduce 并行遗传算法 多目标优化问题 性能分析
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 182-184,204
• 分类号: TP18
• 字数: 3301字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.07.041

摘要

当前MapReduce并行编程模型得到了广泛的应用.相对于传统的基于PVM或者MPI的并行编程方式,它在执行时间和处理问题规模等方面有明显优势.针对并行遗传算法的特点,提出基于MapReduce实现一种典型的并行遗传算法——粗粒度并行算法的方法,用以解决大规模变量问题.实验平台采用Hadoop,硬件条件为普通的服务器集群.在多目标优化问题测试中,当问题规模达到一定、处理变量数超过10E+7时,并行算法效率比串行提高数倍,并且能突破内存瓶颈.根据MapReduce自身特点调整其参数,改变并行程度,分析其对并行执行时间的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘志松	解放军理工大学指挥自动化学院	47	385	9.0	17.0
2	李东	解放军理工大学指挥自动化学院	5	43	3.0	5.0