计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2012年
7期
182-184,204
,共4页
大规模变量%MapReduce%并行遗传算法%多目标优化问题%性能分析
大規模變量%MapReduce%併行遺傳算法%多目標優化問題%性能分析
대규모변량%MapReduce%병행유전산법%다목표우화문제%성능분석
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.
噹前MapReduce併行編程模型得到瞭廣汎的應用.相對于傳統的基于PVM或者MPI的併行編程方式,它在執行時間和處理問題規模等方麵有明顯優勢.針對併行遺傳算法的特點,提齣基于MapReduce實現一種典型的併行遺傳算法——粗粒度併行算法的方法,用以解決大規模變量問題.實驗平檯採用Hadoop,硬件條件為普通的服務器集群.在多目標優化問題測試中,噹問題規模達到一定、處理變量數超過10E+7時,併行算法效率比串行提高數倍,併且能突破內存瓶頸.根據MapReduce自身特點調整其參數,改變併行程度,分析其對併行執行時間的影響.
당전MapReduce병행편정모형득도료엄범적응용.상대우전통적기우PVM혹자MPI적병행편정방식,타재집행시간화처리문제규모등방면유명현우세.침대병행유전산법적특점,제출기우MapReduce실현일충전형적병행유전산법——조립도병행산법적방법,용이해결대규모변량문제.실험평태채용Hadoop,경건조건위보통적복무기집군.재다목표우화문제측시중,당문제규모체도일정、처리변량수초과10E+7시,병행산법효솔비천행제고수배,병차능돌파내존병경.근거MapReduce자신특점조정기삼수,개변병행정도,분석기대병행집행시간적영향.
