MapReduce模型下的并行线性时间选择算法研究

针对线性时间选择算法随着元素数量的增加,执行效率较低的缺点,提出了MapReduce模型下的并行线性时间选择算法。重新设计了线性时间选择问题的算法,使其符合以key/value数据形式作为输入的MapReduce编程模型。并行计算局部最优解,汇总局部最优解再计算出全局最优解。实验结果表明,在面对大数据情况下,经过改进后的MapReduce模型下的并行线性时间选择算法具有执行效率高,且执行效率随着并行程度的增加而提高的特点。

“线性时间选择算法”教学探讨

基于选择问题的线性时间要求,本文从算法思想、算法实现以及算法复杂度三个部分对《算法设计与分析》课程中"线性时间选择算法"的教学方法进行了探讨,用图形直观地分析了线性时间选择算法的时间复杂度的最好情况和最坏情况,便于学生理解和掌握。