为应对大数据时代中组合优化问题的求解,基于云计算框架Spark,借助其基于内存、分布式的特定,提出一种并行蚁群优化算法。其思路是通过将蚂蚁构造为弹性分布式数据集,由此给出相应的一系列转换算子,实现了蚂蚁构造解过程的并行化。通过在旅行商问题(TSP)求解的仿真实验结果说明了所提出的并行算法的可行性;并在同等实验环境下对比基于MapReduce的蚁群优化算法,优化速度提升达10倍以上。

1.一种基于Spark和聚类分析的辨识电力系统不良数据新方法 2.基于Spark云计算平台的改进K近邻算法研究 3.基于Spark的蚁群优化算法 4.基于Spark的大数据清洗框架设计与实现 5.基于Spark的大规模分布式矩阵运算算法研究与实现 共十几篇论文.....

组合优化问题求解的困难程度会随着问题规模的增大而呈指数型增长，即所谓的“组合爆炸”现象。而随着大数据时代的来临，组合优化问题规模越来越大，使得该问题愈加突出。因此，为应对大数据时代中组合优化问题的求解，基于云计算框架Spark，借助其基于内存、分布式的特定，提出一种并行蚁群优化算法。其思路是通过将蚂蚁构造为弹性分布式数据集，由此给出相应的一系列转换算子，实现了蚂蚁构造解过程的并行化。通过在旅行商问题求解的仿真实验结果说明了所提出的并行算法的可行性；并在同等实验环境下对比基于