基于MapReduce框架的并行蚁群优化聚类算法

摘要：

传统蚁群优化聚类算法在处理大规模数据时存在内存不足,不能体现蚁群算法的并行优势,无法处理分布式数据等问题.为此,提出一种并行蚁群优化聚类算法.通过借鉴搜索空间复制和搜索空间分块的思想,解决大数据处理问题,逐行读取信息素和数据,避免当数据规模过大时,将信息素一次性读入而造成内存不足的风险.实验结果表明,该算法在处理大规模数据时具有较好的可扩展性和较高的加速比.

关键词：大数据、MapReduce计算框架、聚类算法、蚁群、并行算法

所属期刊栏目：41

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家“973”计划基金资助项目2013CB329603;国家自然科学基金资助项目71071047;安徽省自然科学基金资助项目1208085MG120

在线出版日期：2015-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：168-173