一种适用于大规模变量的并行遗传算法研究

当前mapreduce并行编程模型得到了广泛的应用。相对于传统的基于pvm或者mpi的并行编程方式，它在执行时间和处理问题规模等方面有明显优势。针对并行遗传算法的特点，提出基于maprcducc实现一种典型的并行遗传算法—粗粒度并行算法的方法，用以解决大规模变量问题。实验平台采用hadoop，硬件条件为普通的服务器集群。在多目标优化问题测试中，当问题规模达到一定、处理变量数超过10e}7时，并行算法效率比串行提高数倍，并且能突破内存瓶颈。根据mapreduce自身特点调整其参数，改变并行程度，分析其对并行执行时间的影响。