發(fā)布時間：2017-08-08 15:26

  本文關鍵詞：基于MapReduce的遺傳算法在組合優(yōu)化問題中的研究

  更多相關文章： 組合優(yōu)化 遺傳算法 分布式 MapReduce

【摘要】：在現(xiàn)實社會中,很多生產和生活問題都可以建模為組合優(yōu)化問題,特別是隨著“互聯(lián)網+”時代的到來,科學技術水平得以飛速發(fā)展,數(shù)據(jù)信息呈爆炸式的增長,越來越多的新型組合優(yōu)化問題得以涌現(xiàn)。研究如何能更好的解決組合優(yōu)化問題將為人們的生產生活帶來巨大的收益。本文采用了遺傳算法來求解組合優(yōu)化問題,但是傳統(tǒng)單機遺傳算法在解決組合優(yōu)化問題上存在穩(wěn)定性差,多次實驗需要消耗大量時間等缺點,本文實現(xiàn)了基于MapReduce分布式計算框架下的并行遺傳算法。使每個種群在相應節(jié)點上并發(fā)執(zhí)行,最后通過適應度評比選出最優(yōu)個體。本文主要做了如下的工作：(1)將傳統(tǒng)的遺傳算法進行了優(yōu)化,在種群初始化中加入了貪心策略,在選擇策略上采用了輪盤賭與最佳個體保留的策略,并對交叉算子和變異算子進行了參數(shù)分析實驗,采用了啟發(fā)式交叉算子和自適應變異算子相結合的方法。(2)將優(yōu)化后的遺傳算法移植到了MapReduce分布式計算框架上,同時對MapReduce分布式計算框架進行了參數(shù)優(yōu)化,進一步提高了整個框架的計算性能。最終將程序部署在Hadoop平臺上運行,以旅行商問題作為實驗對象,采用TSPLIB庫提供的數(shù)據(jù)作為實驗數(shù)據(jù),實驗結果表明,當實驗次數(shù)大于10次時,相比于傳統(tǒng)單機遺傳算法,程序運行時間減少了近56.4%,尋解能力明顯增強。同時,因為分布式并行遺傳算法具有一次運行多次實驗的特點,從而在一定程度上克服了遺傳算法穩(wěn)定性差的缺點。
【關鍵詞】：組合優(yōu)化 遺傳算法 分布式 MapReduce
【學位授予單位】：內蒙古農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：O157;TP18
【目錄】：

• 摘要3-4
• Abstract4-10
• 1 引言10-15
• 1.1 研究背景及意義10-11
• 1.1.1 研究背景10
• 1.1.2 研究意義10-11
• 1.2 國內外研究現(xiàn)狀11-13
• 1.2.1 國內研究現(xiàn)狀12
• 1.2.2 國外研究現(xiàn)狀12-13
• 1.3 論文研究內容13-14
• 1.4 論文組織結構14-15
• 2 基本理論和相關技術15-26
• 2.1 TSP問題概述15
• 2.2 遺傳算法15-18
• 2.2.1 遺傳算法概述15-17
• 2.2.2 遺傳算法基本原理17-18
• 2.3 分布式計算技術18-20
• 2.4 開源分布式行計算平臺Hadoop20-23
• 2.4.1 Hadoop平臺的基本架構20-21
• 2.4.2 分布式文件系統(tǒng)HDFS21
• 2.4.3 分布式計算框架MapReduce21-23
• 2.5 其它分布式計算平臺23-24
• 2.6 本章小結24-26
• 3 基于遺傳算法求解TSP問題的方法及優(yōu)化26-44
• 3.1 編碼方式和種群初始化26-28
• 3.1.1 種群初始化的優(yōu)化27-28
• 3.2 評價函數(shù)設定28
• 3.3 選擇策略28-31
• 3.3.1 選擇策略的優(yōu)化30-31
• 3.4 交叉操作31-36
• 3.4.1 交叉算子參數(shù)分析33-35
• 3.4.2 交叉算子優(yōu)化35-36
• 3.5 變異操作36-40
• 3.5.1 變異算子參數(shù)分析38-40
• 3.5.2 變異算子優(yōu)化40
• 3.6 求解TSP問題的仿真實驗40-43
• 3.7 本章小結43-44
• 4 基于MapReduce的遺傳算法及TSP實驗分析44-57
• 4.1 算法描述44-47
• 4.2 Map端設計47-48
• 4.3 Reduce端設計48-49
• 4.4 Hadoop實驗平臺搭建49-51
• 4.4.1 集群配置49-51
• 4.4.2 Hadoop平臺結合Eclipse的搭建51
• 4.5 MapReduce參數(shù)優(yōu)化51-52
• 4.6 實驗結果與分析52-56
• 4.7 本章小結56-57
• 5 總結與展望57-60
• 5.1 總結57-58
• 5.2 展望58-60
• 致謝60-61
• 參考文獻61-64
• 作者簡介64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳琨;張志明;;一種改進遺傳算法的設計與實現(xiàn)[J];貴州大學學報(自然科學版);2006年01期

2 胡蘭萍;黃海斌;;遺傳算法及其在化學領域中的應用[J];海南師范學院學報(自然科學版);2006年03期

3 王珊珊;;遺傳算法的理論基礎及應用[J];科協(xié)論壇(下半月);2008年09期

4 高翔;海洋;;遺傳算法應用[J];赤峰學院學報(自然科學版);2009年03期

5 劉定理;;遺傳算法綜述[J];中國西部科技;2009年25期

6 歐陽柏平;;基于遺傳算法優(yōu)化獨立分量分析[J];科技信息;2010年07期

7 儲育青;齊義飛;肖立順;陳暉敏;石玉文;;遺傳算法研究概述[J];科技風;2010年09期

8 曾瑛;;遺傳算法在優(yōu)化求解中的應用[J];科技創(chuàng)業(yè)月刊;2012年10期

9 丁承民,張傳生,劉輝;遺傳算法縱橫談[J];信息與控制;1997年01期

10 施光林,史維祥;遺傳算法及其研究與應用新進展[J];科技導報;1997年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應用[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設計中的應用[A];第五屆全國制冷空調新技術研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應用[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設計算機應用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設計[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應用[A];1995年中國智能自動化學術會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 林京;《神經網絡和遺傳算法在水科學領域的應用》將面市[N];中國水利報;2002年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標決策問題中的應用研究[D];合肥工業(yè)大學;2015年

2 張士偉;三維聲學快速多極基本解法在機械噪聲預測中的應用研究[D];沈陽工業(yè)大學;2016年

3 高軍;無鉛焊料本構模型及其參數(shù)識別方法研究[D];南京航空航天大學;2015年

4 Amjad Mahmood;半監(jiān)督進化集成及其在網絡視頻分類中的應用[D];西南交通大學;2015年

5 周輝仁;遞階遺傳算法理論及其應用研究[D];天津大學;2008年

6 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應用[D];中國礦業(yè)大學;2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應用研究[D];西安電子科技大學;1998年

8 馬國田;遺傳算法及其在電磁工程中的應用[D];西安電子科技大學;1998年

9 唐文艷;結構優(yōu)化中的遺傳算法研究和應用[D];大連理工大學;2002年

10 周激流;遺傳算法理論及其在水問題中應用的研究[D];四川大學;2000年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學;2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學;2013年

3 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學;2015年

4 周玉林;基于小波分析和遺傳算法的配電網故障檢測[D];昆明理工大學;2015年

5 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產管理系統(tǒng)研究[D];昆明理工大學;2015年

6 吳南;數(shù)值逼近遺傳算法的研究應用[D];華南理工大學;2015年

7 于光帥;一類優(yōu)化算法的改進研究與應用[D];渤海大學;2015年

8 吳欣欣;改進GA-TS算法優(yōu)化的BP神經網絡入侵檢測研究[D];湖南工業(yè)大學;2015年

9 王壘;基于遺傳算法的A型單喇叭互通立交線形優(yōu)化[D];長安大學;2015年

10 龔高;基于遺傳算法的橋梁結構傳感器優(yōu)化布置研究[D];長安大學;2015年

，

本文編號：640697