欢迎使用InfoSci平台
参考中心5
Spark与MapReduce的比较：萤火虫群优化在多模态函数中的应用

Spark与MapReduce的比较：萤火虫群优化在多模态函数中的应用

西蒙·路德维希·古瑟姆·米尔亚拉
版权：© 2018|体积：9|问题：三|页：22
ISSN公司：1947-9263|EISSN公司：1947-9271|EISBN13：9781522544869|内政部：10.4018/IJSIR.2018070101
引用文章引用文章

MLA公司

米里亚拉（Miryala）、古特姆（Goutham）和西蒙·路德维希（Simone A.Ludwig）。“比较Spark和MapReduce：应用于多模态函数的萤火虫群优化。”IJSIR公司2018年第9卷第3期：第1-22页。http://doi.org/10.4018/IJSIR.2018070101

亚太地区

Miryala，G.&Ludwig，S.A.（2018年）。比较Spark和MapReduce：应用于多模态函数的萤火虫群优化。国际蜂群智能研究杂志（IJSIR），9(3), 1-22. http://doi.org/10.4018/IJSIR.2018070101

芝加哥

米里亚拉（Miryala）、古特姆（Goutham）和西蒙·路德维希（Simone A.Ludwig）。“比较Spark和MapReduce：应用于多模态函数的萤火虫群优化”国际蜂群智能研究杂志（IJSIR）第9页，第3页：1-22。http://doi.org/10.4018/IJSIR.2018070101

导出参考

门德利
最喜欢的完整发布下载

摘要

萤火虫群优化（Glowworm swarm optimization，GSO）是一种需要并行化才能用高维函数空间评估大型问题的优化技术。任何算法的并行化都涉及各种问题，例如集群中节点之间的高效通信、负载平衡、自动节点故障恢复以及节点在运行时的可伸缩性。在本文中，作者已经用Apache Spark框架实现了GSO算法。尽管我们需要解决如何在集群中分发数据以提高算法的效率，但Spark框架的设计方式不需要处理任何实际的底层并行化细节。在实验中，使用了两个多模式基准函数来评估不同维数的Spark-GSO算法。作者评估了两个评估函数的优化结果，并将Spark结果与使用先前实现的基于MapReduce的GSO算法获得的结果进行比较。

请求访问权限

您不拥有此内容。请登录向您所在机构的图书管理员推荐此标题，或从IGI全球书店.

用户名或电子邮件：


密码：


登录


创建个人帐户