-
题名基于Spark计算框架的多目标优化算法实现
被引量：1
- 1
-
-
作者
何昱琪
李德禹
-
机构
暨南大学伯明翰大学联合学院
-
出处
《现代信息科技》
2021年第22期66-70,共5页
-
文摘
为了降低分解型算法求解大规模问题的运行时间成本,结合分解型多目标进化算法(MOEA/D)和Spark分布式计算框架的特点,提出了一个主从分布式分解型多目标进化算法(MODEA/D-RDD)。在新的方案中每个Map保存且进化一个子问题,从而通过多个Map分布式计算提高效率。测试例上的实验结果表明,在求得解集质量不明显降低的前提下,全局种群进化方案能够有效缩短求解多目标问题的计算时间。
-
关键词
spark计算框架
多目标优化
MOEA/D算法
-
Keywords
spark computing framework
multi-objective optimization
MOEA/D algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名利用数据变换与并行运算的闭频繁项集挖掘方法
被引量：12
- 2
-
-
作者
党红恩
赵尔平
刘炜
雒伟群
-
机构
西藏民族大学信息工程学院
-
出处
《湘潭大学自然科学学报》
CAS
2018年第1期119-122,共4页
-
基金
国家自然科学基金项目(41361044)
-
文摘
针对传统闭频繁项集(CFI)挖掘方法耗时长、效率低的问题,提出一种基于数据变换与并行运算(DTPC)的新型挖掘方法:设计基于质数对数运算的数据变换方法,将大量数据转换成简单的数字;利用Spark并行框架中的平方/开方运算将这些数字转换成频繁项集.3 000万篇文章的大数据集实验结果表明,提出的DTPC算法可以大幅度提升数据挖掘效率,同时减少计算资源的不必要浪费.
-
关键词
闭频繁项集
大数据挖掘
质数对数变换
spark并行计算框架
-
Keywords
closed frequent item set
big data mining
prime-logarithmic-operational based data transformation
spark parallel computing framework
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
O241
[理学—计算数学]
-
