基于MapReduce离散萤火虫群优化算法的服务选择方法

针对云计算环境下求解大规模的Web服务选择问题,提出基于MapReduce模式的并行离散萤火虫群优化算法。该算法重新定义个体的编码,计算个体间的距离,改进位置更新,提高高维空间中的搜索能力,并采用分群分治思想和理想点方法进行优化,以避免过早陷入局部最优,提高处理大规模问题的能力。实验结果表明,该算法在求解服务选择问题上具有可行性和有效性,且扩展性较好。

融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法

属性选择是数据挖掘领域用于降低数据特征维度的预处理方法.针对大数据环境下高维数据的属性约简问题,提出了融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法.首先,引入了参数控制的位置更新策略、对蚂蚁个体与种群进行交叉变异、重新定义阻塞机制的信息素更新,提出了并行改进的二元蚁群算法MRIBACO.其次,以并行二元蚁群算法作为离散解空间的搜索策略,结合分形维数提出了属性选择模型.在6个UCI数据集上的实验结果表明,较其他方法计算效率更优,同时表明了其有效性与稳定性.