10.3969/j.issn.1006-2475.2018.01.004
基于Spark的并行遗传算法在物流配送问题中的应用
传统的遗传算法在数据量不足的单机情况下可能存在早熟的现象,遗传算法对搜索范围的依赖性很强,大搜索范围的遗传算法往往有更好的表现.为解决以上问题,可把Spark海量存储和并行计算的能力运用到遗传算法的求解上,实现一种粗粒度的并行遗传算法.利用Spark并行执行遗传算法的选择、交叉和变异等操作,可以大大提高遗传算法的搜索范围和执行速度.实验将改进后的遗传算法应用到物流配送问题中,结果表明,与单机和传统的并行模型相比,基于Spark的遗传算法在运行时间上明显减少,同时早熟的现象也得到了缓解.
遗传算法、分布式并行计算、Spark、物流配送算法
TP18(自动化基础理论)
2018-01-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
19-22