基于MapReduce的动态自适应蚁群算法设计与实现
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。
蚁群算法、动态自适应、MapReduce、Hadoop、旅行商问题
TP338;TP316.4(计算技术、计算机技术)
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。
2015-08-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
29-31,34