基于MapReduce的动态自适应蚁群算法设计与实现

摘要：

针对基本蚁群算法( ACO)在处理中等规模旅行商问题( TSP)上消耗时间过长的问题，提出一种基于MapReduce的动态自适应蚁群算法( MDACO)。该算法在信息素更新策略方面动态地调整信息素挥发系数，使蚁群能够自适应地寻找较优的路径结果，而且采用MapReduce计算模型将蚁群算法中循环迭代部分并行化，最终将其部署在Hadoop云计算平台上运行。当TSP节点数为150及以上时，该算法比基本蚁群算法的运行时间平均减少43.2%，路径寻优结果也得到进一步改善。仿真结果表明，该算法在保证问题求解质量以及提高求解速度方面具有优越性。

关键词：蚁群算法、动态自适应、MapReduce、Hadoop、旅行商问题

分类号：TP338;TP316.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61363016,61063004;内蒙古自治区高等学校科学研究重点项目NJZZ14100。

在线出版日期：2015-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：29-31,34