MapReduce模型下的分布式差分进化算法

• 作者: 吴志健 张忠平 董小刚 袁斯昊 邓长寿
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 大规模优化 分布式差分进化 岛模型 精英学习
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 计算机软件与数据库研究
• 页码范围: 2695-2701
• 页数: 7页
• 分类号: TP301
• 字数: 7063字
• 语种: 中文

摘要

差分进化算法简单、高效且鲁棒性好.然而在求解大规模优化问题时,其性能随着问题维度的增加会迅速降低.针对此问题,提出一种基于MapReduce编程模型的分布式差分进化算法.算法采用改进的精英学习策略和岛模型两种机制,提高算法的收敛精度.利用MapReduce并行编程模型,构建分布式差分进化算法,并将其部署到分布式集群Hadoop上.利用13个标准测试问题进行仿真实验,实验结果表明该算法求解精度高,且具有较好的加速比和扩展性,是求解大规模优化问题的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张忠平	燕山大学信息科学与工程学院	67	714	16.0	25.0
2	邓长寿	九江学院信息科学与技术学院	42	204	8.0	11.0
3	吴志健	武汉大学软件工程国家重点实验室	47	513	13.0	21.0
4	董小刚	九江学院信息科学与技术学院	10	32	4.0	5.0
5	袁斯昊	九江学院信息科学与技术学院	7	32	4.0	5.0