基于Spark的飛蛾撲火優(yōu)化算法的應(yīng)用研究
【文章頁(yè)數(shù)】:51 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.1算法流程圖
湖北工業(yè)大學(xué)碩士學(xué)位論文7圖2.1算法流程圖MFO算法的步驟如下,相應(yīng)的算法流程圖如圖2.1所示。Step1:初始化種群、設(shè)置最大迭代次數(shù)。Step2:用公式(2-5)初始化飛蛾種群M,根據(jù)M計(jì)算出適應(yīng)度值OM,得到當(dāng)前最優(yōu)個(gè)體位置。Step3:M,OM的位置不變,對(duì)M,OM排序....
圖2.2MapReduce計(jì)算流程圖
湖北工業(yè)大學(xué)碩士學(xué)位論文10圖2.2MapReduce計(jì)算流程圖2.4.2Spark計(jì)算框架分析隨著互聯(lián)網(wǎng)的高速發(fā)展,面臨著著海量,高維的數(shù)據(jù)壓力,傳統(tǒng)的串行的計(jì)算模式已經(jīng)不能滿足處理海量數(shù)據(jù)的需求,但是MapReduce在處理數(shù)據(jù)時(shí),需要重復(fù)計(jì)算數(shù)據(jù),重復(fù)的讀寫(xiě)數(shù)據(jù),必然會(huì)提高....
圖3.1 分布式算法框架圖
湖北工業(yè)大學(xué)碩士學(xué)位論文12第3章基于Spark的改進(jìn)飛蛾撲火優(yōu)化算法的研究MFO算法在進(jìn)行特征選擇分類時(shí)雖然能夠獲得較好的分類結(jié)果,但基本的MFO算法存在很多問(wèn)題,例如算法易早熟,易陷入局部最優(yōu),分類精度不高等特點(diǎn),為了進(jìn)一步提高M(jìn)FO的分類性能,本章將對(duì)基本的飛蛾撲火算法進(jìn)行....
圖3.2分布式飛蛾撲火優(yōu)化算法的流程圖
湖北工業(yè)大學(xué)碩士學(xué)位論文13驟如下所示:圖3.2分布式飛蛾撲火優(yōu)化算法的流程圖AlgorithmSPBMFO輸入:原始數(shù)據(jù)集D;輸出:最優(yōu)的個(gè)體和適應(yīng)度值;Step1種群初始化Step1.1讀取原始數(shù)據(jù)集D,存儲(chǔ)在HDFS中;Step1.2初始化RDD數(shù)據(jù)集,該數(shù)據(jù)集代表飛蛾種群....
本文編號(hào):4045194
本文鏈接:http://www.sikaile.net/shoufeilunwen/xixikjs/4045194.html
下一篇:沒(méi)有了