云计算环境下鱼群算法探究.docVIP

云计算环境下鱼群算法探究(1.合肥工业大学管理学院，安徽合肥230009；2.教育部过程优化与智能决策重点实验室，安徽合肥230009；3.安徽财贸职业学院电子信息系，安徽合肥230601) 摘要：人工鱼群算法(AFSA)是一新型仿生优化算法，已成功地应用于求解很多组合优化难题。但人工鱼群算法对这些问题的求解主要是在集中式串行的环境下，而云计算环境下应用人工鱼群算法分布式并行对问题进行求解的研究很少。该文应用云计算技术将人工鱼群算法并行化，将人工鱼群算法和遗传算法融合，显著提高了算法求得全局最优解的能力。仿真实验取得了较好的结果。关键词：云计算；MapReduce编程模式；人工鱼群算法；遗传算法 中图分类号：TP18文献标识码：A文章编号：1009-3044(2012)18-4486-04 Research on Artificial Fish School Algorithm in Cloud Computing WANG Hui-ying1,2,3 (1.School of Management, Hefei University of Technology, Hefei 230009, China; 2.Key Laboratory of Process Optimization and Intelli? gent Decision-making, Ministry of Education, Hefei 230009, China；3.Department of Electronics and Information, Anhui Finance Trade Vocational College, Hefei 230601, China) Abstract: The artificial fish school algorithm (AFSA) is a nove1 bio-inspired optimizing method and was applied successfully to hard com? binational optimization problems. But it solves the problems mainly under the centralized serial environment. The research of the applica? tion of artificial fish school algorithm for distributed parallel problem solving in cloud computing is comparatively little. This paper uses cloud computing to parallel artificial fish school algorithm and combining artificial fish school algorithm with genetic algorithm. it greatly improves the ability of seeking the global excellent result. The simulation results show that the algorithm is more efficient. Key words: cloud computing; MapReduce; artificial fish school algorithm; genetic algorithm 4.3算法的时间开销 云计算环境中，任务执行时间，除求解问题所需的时间外，云计算框架也要消耗一定的时间。其耗用的时间包括：任务的部署，Map中间结果的排序、归类，Reduce结果的归并，结果的输出及网络传输等。问题求解所需时间包括：Map和Reduce时间等。为此，我们研究云计算环境中算法运行时各阶段的时间开销，来更好地求解问题。 选用大规模任务实例30.500-00来考察算法MIA随Map数量变化的情况，Map数量取10.20.30，其余参数同上。算法MIA运行时间消耗如表2所示。表2中结果为连续运行20代，每代各阶段的平均值。T1表示任务开始到Map开始运行所消耗的时间；T2是Map阶段的时间；T3是从Map结束到Reduce开始的时间，包括中间结果的排序、归类等操作的时间；T4为Reduce阶段的时间；T5为Reduce结束到下一任务开始的时间，包括Reduce结果的归并、输出等时间，Total为总时间。 从表2可以看出，T1、T3、T5在Map数量变化时，变化不大，即云计算框架为