發(fā)布時間：2018-01-06 19:28

  本文關(guān)鍵詞：基于改進(jìn)粒子群算法的云計算產(chǎn)業(yè)聯(lián)盟知識搜索算法研究　出處：《數(shù)據(jù)分析與知識發(fā)現(xiàn)》2017年03期 　論文類型：期刊論文

  更多相關(guān)文章： 云計算產(chǎn)業(yè)聯(lián)盟 知識搜索 粒子群優(yōu)化算法 MapReduce

【摘要】：【目的】利用改進(jìn)的粒子群算法進(jìn)行云計算產(chǎn)業(yè)聯(lián)盟知識搜索,提高搜索的準(zhǔn)確率和效率。【方法】首先利用MapReduce中Map函數(shù)對粒子分組實現(xiàn)并行化處理,再運(yùn)用Reduce函數(shù)對粒子搜索的結(jié)果進(jìn)行歸約,縮短搜索的時間。在粒子搜索過程中,根據(jù)小組內(nèi)最優(yōu)位置的平均值進(jìn)行小組內(nèi)粒子的信息交互,避免算法早熟收斂于一個局部最優(yōu)值�！窘Y(jié)果】通過三組仿真實驗對改進(jìn)的粒子群算法和標(biāo)準(zhǔn)粒子群算法進(jìn)行對比分析,結(jié)果表明改進(jìn)的粒子群算法在效率與準(zhǔn)確率方面均具有明顯的優(yōu)越性�！揪窒蕖繕颖緮�(shù)據(jù)存在干擾數(shù)據(jù),有待改進(jìn)�！窘Y(jié)論】該方法能提高云計算產(chǎn)業(yè)聯(lián)盟知識搜索的準(zhǔn)確性,并提升搜索效率。
[Abstract]:[objective] using improved particle swarm optimization (PSO) to search cloud computing industry alliance knowledge. To improve the accuracy and efficiency of the search. [methods] first, the Map function in MapReduce is used to parallelize the particle grouping. Then Reduce function is used to reduce the result of particle search to shorten the time of searching. In the process of particle search, the information exchange of particles in the group is carried out according to the average of the optimal position in the group. To avoid premature convergence to a local optimal value. [results] the improved particle swarm optimization algorithm and the standard particle swarm optimization algorithm are compared and analyzed through three groups of simulation experiments. The results show that the improved particle swarm optimization algorithm has obvious advantages in both efficiency and accuracy. [conclusion] this method can improve the accuracy and efficiency of cloud computing industry alliance knowledge search.
【作者單位】： 哈爾濱理工大學(xué)管理學(xué)院;哈爾濱理工大學(xué)高新技術(shù)產(chǎn)業(yè)發(fā)展研究中心;
【基金】：黑龍江省自然科學(xué)基金項目“黑龍江省移動云計算聯(lián)盟商業(yè)模式研究”(項目編號:G201301)的研究成果之一
【分類號】：TP18
【正文快照】： 1引言云計算自提出以來發(fā)展迅猛,世界各國對它廣闊的市場前景和巨大的產(chǎn)業(yè)機(jī)遇給予高度關(guān)注。根據(jù)賽迪智庫發(fā)布的《云計算產(chǎn)業(yè)發(fā)展白皮書(2015版)》顯示,2015年全球云計算服務(wù)市場規(guī)模達(dá)到1 800億美元,增長18%,全球IT公司紛紛向云計算轉(zhuǎn)型,云計算產(chǎn)業(yè)規(guī)模高速增長。云計算產(chǎn)業(yè)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 范成禮;邢清華;付強(qiáng);王振江;王藝菲;;求解非線性雙層規(guī)劃問題的混合變鄰域粒子群算法[J];系統(tǒng)工程理論與實踐;2015年02期

2 王燕燕;葛洪偉;王娟娟;楊金龍;;一種動態(tài)分組的粒子群優(yōu)化算法[J];計算機(jī)工程;2015年01期

3 翟麗麗;柳玉鳳;王京;李楠楠;;軟件產(chǎn)業(yè)虛擬集群企業(yè)間信任進(jìn)化博弈研究[J];中國管理科學(xué);2014年12期

4 羅宏;;基于改進(jìn)粒子群算法的圖書封面搜索引擎研究[J];情報科學(xué);2014年04期

5 王洪峰;王娜;汪定偉;黃敏;;一種求解多峰優(yōu)化問題的改進(jìn)Species粒子群算法[J];系統(tǒng)工程學(xué)報;2012年06期

6 李媛媛;曲雯毓;栗志揚(yáng);許玉杰;;一種快速收斂粒子群優(yōu)化算法在云計算中應(yīng)用[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2012年S1期

7 蘇屹;李柏洲;劉曉靜;;基于蟻群算法的R&D支出擬合模型研究[J];情報雜志;2012年05期

8 葉曉國;;基于NS-2的無線傳感器網(wǎng)絡(luò)仿真模塊擴(kuò)展方法的研究[J];計算機(jī)研究與發(fā)展;2011年S2期

9 史恒亮;任崇廣;白光一;普杰信;;自適應(yīng)蟻群優(yōu)化的云數(shù)據(jù)庫動態(tài)路徑查詢[J];計算機(jī)工程與應(yīng)用;2010年09期

10 李國輝;馮明月;易先清;;基于分群粒子群優(yōu)化的傳感器調(diào)度方法[J];系統(tǒng)工程與電子技術(shù);2010年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭本海;李軍強(qiáng);張笑騰;;多主體參與下中國光伏產(chǎn)業(yè)低端技術(shù)鎖定突破問題研究[J];北京理工大學(xué)學(xué)報(社會科學(xué)版);2017年04期

2 高長元;于建萍;何曉燕;;基于改進(jìn)粒子群算法的云計算產(chǎn)業(yè)聯(lián)盟知識搜索算法研究[J];數(shù)據(jù)分析與知識發(fā)現(xiàn);2017年03期

3 李江波;王波;高巖;張惠珍;;社會福利均衡的實時電價多層互動模型[J];電力系統(tǒng)保護(hù)與控制;2017年04期

4 吳聰;楊建輝;;利用帶寬有效聚類的WSN數(shù)據(jù)聚合優(yōu)化算法[J];控制工程;2017年01期

5 葉一們;張小寧;;基于隨機(jī)運(yùn)輸路徑選擇的物流中心選址模型[J];管理科學(xué)學(xué)報;2017年01期

6 羅建強(qiáng);李偉鵬;趙艷萍;;基于演化博弈的制造企業(yè)服務(wù)衍生穩(wěn)定性研究[J];系統(tǒng)工程學(xué)報;2016年06期

7 楊恒占;錢富才;高嵩;江濤;;一類隨機(jī)系統(tǒng)的概率密度函數(shù)形狀控制[J];系統(tǒng)工程理論與實踐;2016年09期

8 姚冠新;何勇;邊曉雨;;基于演化博弈的新型農(nóng)產(chǎn)品批發(fā)模式構(gòu)建問題探討[J];商業(yè)經(jīng)濟(jì)研究;2016年17期

9 張照勝;李蜀瑜;;云計算環(huán)境下基于改進(jìn)粒子群算法的任務(wù)調(diào)度[J];電子設(shè)計工程;2016年15期

10 彭亞美;楊家其;趙學(xué)_g;;基于粒子群優(yōu)化算法的城市軌道客運(yùn)定價雙層規(guī)劃模型研究[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2016年03期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏芳芳;陳福集;;三方非對稱進(jìn)化博弈行為分析[J];浙江大學(xué)學(xué)報(理學(xué)版);2013年02期

2 魏芳芳;陳福集;;網(wǎng)絡(luò)虛假信息中政府、企業(yè)和公民三者的進(jìn)化博弈行為分析[J];運(yùn)籌與管理;2012年06期

3 龔誼承;王先甲;李壽貴;;校企實習(xí)聯(lián)盟模式變遷的進(jìn)化博弈模型與演化路徑[J];系統(tǒng)工程理論與實踐;2012年09期

4 接玉梅;葛顏祥;徐光麗;;基于進(jìn)化博弈視角的水源地與下游生態(tài)補(bǔ)償合作演化分析[J];運(yùn)籌與管理;2012年03期

5 于斌斌;;傳統(tǒng)產(chǎn)業(yè)與戰(zhàn)略性新興產(chǎn)業(yè)的創(chuàng)新鏈接機(jī)理——基于產(chǎn)業(yè)鏈上下游企業(yè)進(jìn)化博弈模型的分析[J];研究與發(fā)展管理;2012年03期

6 劉友金;袁祖鳳;易秋平;;共生理論視角下集群式產(chǎn)業(yè)轉(zhuǎn)移進(jìn)化博弈分析[J];系統(tǒng)工程;2012年02期

7 高華;;基于復(fù)雜性理論的軟件產(chǎn)業(yè)集群形成與演化研究[J];中國軟科學(xué);2011年S1期

8 邢樂斌;王旭;;基于合作溢出的機(jī)會主義行為演化博弈分析[J];管理工程學(xué)報;2011年03期

9 劉衍民;隋常玲;趙慶禎;;基于K-均值聚類的動態(tài)多種群粒子群算法及其應(yīng)用[J];控制與決策;2011年07期

10 王飛;吳松;石宣化;趙娜;;一種面向HPC Cloud系統(tǒng)的在線作業(yè)調(diào)度算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2011年S1期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進(jìn)的完全信息粒子群算法研究[J];曲阜師范大學(xué)學(xué)報(自然科學(xué)版);2011年01期

6 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[J];計算機(jī)工程與應(yīng)用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計算機(jī)系統(tǒng)應(yīng)用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計算機(jī)應(yīng)用;2011年08期

9 任偉建;武璇;;一種動態(tài)改變學(xué)習(xí)因子的簡化粒子群算法[J];自動化技術(shù)與應(yīng)用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2004年12期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機(jī)攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學(xué);2016年

2 杜毅;多階段可變批生產(chǎn)線重構(gòu)的研究[D];廣東工業(yè)大學(xué);2016年

3 尹浩;求解Web服務(wù)選取問題的粒子群算法研究[D];東北大學(xué);2014年

4 王芳;粒子群算法的研究[D];西南大學(xué);2006年

5 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

6 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

7 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

8 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

9 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

10 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

，

本文編號：1389223