本文關鍵詞：基于改進粒子群算法的云計算產業聯盟知識搜索算法研究　出處：《數據分析與知識發現》2017年03期 　論文類型：期刊論文

  更多相關文章： 云計算產業聯盟 知識搜索 粒子群優化算法 MapReduce

【摘要】：【目的】利用改進的粒子群算法進行云計算產業聯盟知識搜索,提高搜索的準確率和效率。【方法】首先利用MapReduce中Map函數對粒子分組實現并行化處理,再運用Reduce函數對粒子搜索的結果進行歸約,縮短搜索的時間。在粒子搜索過程中,根據小組內最優位置的平均值進行小組內粒子的信息交互,避免算法早熟收斂于一個局部最優值。【結果】通過三組仿真實驗對改進的粒子群算法和標準粒子群算法進行對比分析,結果表明改進的粒子群算法在效率與準確率方面均具有明顯的優越性。【局限】樣本數據存在干擾數據,有待改進。【結論】該方法能提高云計算產業聯盟知識搜索的準確性,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】： 哈爾濱理工大學管理學院;哈爾濱理工大學高新技術產業發展研究中心;
【基金】：黑龍江省自然科學基金項目“黑龍江省移動云計算聯盟商業模式研究”(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展迅猛,世界各國對它廣闊的市場前景和巨大的產業機遇給予高度關注。根據賽迪智庫發布的《云計算產業發展白皮書(2015版)》顯示,2015年全球云計算服務市場規模達到1 800億美元,增長18%,全球IT公司紛紛向云計算轉型,云計算產業規模高速增長。云計算產業

【參考文獻】

相關期刊論文 前10條

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

2 王燕燕;葛洪偉;王娟娟;楊金龍;;一種動態分組的粒子群優化算法[J];計算機工程;2015年01期

3 翟麗麗;柳玉鳳;王京;李楠楠;;軟件產業虛擬集群企業間信任進化博弈研究[J];中國管理科學;2014年12期

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

5 王洪峰;王娜;汪定偉;黃敏;;一種求解多峰優化問題的改進Species粒子群算法[J];系統工程學報;2012年06期

6 李媛媛;曲雯毓;栗志揚;許玉杰;;一種快速收斂粒子群優化算法在云計算中應用[J];華中科技大學學報(自然科學版);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的無線傳感器網絡仿真模塊擴展方法的研究[J];計算機研究與發展;2011年S2期

9 史恒亮;任崇廣;白光一;普杰信;;自適應蟻群優化的云數據庫動態路徑查詢[J];計算機工程與應用;2010年09期

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

【共引文獻】

相關期刊論文 前10條

1 郭本海;李軍強;張笑騰;;多主體參與下中國光伏產業低端技術鎖定突破問題研究[J];北京理工大學學報(社會科學版);2017年04期

2 高長元;于建萍;何曉燕;;基于改進粒子群算法的云計算產業聯盟知識搜索算法研究[J];數據分析與知識發現;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];電力系統保護與控制;2017年04期

4 吳聰;楊建輝;;利用帶寬有效聚類的WSN數據聚合優化算法[J];控制工程;2017年01期

5 葉一們;張小寧;;基于隨機運輸路徑選擇的物流中心選址模型[J];管理科學學報;2017年01期

6 羅建強;李偉鵬;趙艷萍;;基于演化博弈的制造企業服務衍生穩定性研究[J];系統工程學報;2016年06期

7 楊恒占;錢富才;高嵩;江濤;;一類隨機系統的概率密度函數形狀控制[J];系統工程理論與實踐;2016年09期

8 姚冠新;何勇;邊曉雨;;基于演化博弈的新型農產品批發模式構建問題探討[J];商業經濟研究;2016年17期

9 張照勝;李蜀瑜;;云計算環境下基于改進粒子群算法的任務調度[J];電子設計工程;2016年15期

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

【二級參考文獻】

相關期刊論文 前10條

1 魏芳芳;陳福集;;三方非對稱進化博弈行為分析[J];浙江大學學報(理學版);2013年02期

2 魏芳芳;陳福集;;網絡虛假信息中政府、企業和公民三者的進化博弈行為分析[J];運籌與管理;2012年06期

3 龔誼承;王先甲;李壽貴;;校企實習聯盟模式變遷的進化博弈模型與演化路徑[J];系統工程理論與實踐;2012年09期

4 接玉梅;葛顏祥;徐光麗;;基于進化博弈視角的水源地與下游生態補償合作演化分析[J];運籌與管理;2012年03期

5 于斌斌;;傳統產業與戰略性新興產業的創新鏈接機理——基于產業鏈上下游企業進化博弈模型的分析[J];研究與發展管理;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業轉移進化博弈分析[J];系統工程;2012年02期

7 高華;;基于復雜性理論的軟件產業集群形成與演化研究[J];中國軟科學;2011年S1期

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

9 劉衍民;隋常玲;趙慶禎;;基于K-均值聚類的動態多種群粒子群算法及其應用[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系統的在線作業調度算法[J];華中科技大學學報(自然科學版);2011年S1期

【相似文獻】

相關期刊論文 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用[J];計算機工程與應用;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;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;;一種改進的完全信息粒子群算法研究[J];曲阜師范大學學報(自然科學版);2011年01期

6 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[J];計算機工程與應用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應量子粒子群算法[J];計算機系統應用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計算機應用;2011年08期

9 任偉建;武璇;;一種動態改變學習因子的簡化粒子群算法[J];自動化技術與應用;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化中的應用[J];計算機工程與應用;2004年12期

相關會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[A];中國科學院地質與地球物理研究所第11屆（2011年度）學術年會論文集(上)[C];2012年

2 陳定;何炳發;;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[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系統的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩定性學術會議論文集[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化設計中的應用[A];第十一屆全國膨脹節學術會議膨脹節設計、制造和應用技術論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統仿真技術及其應用（第7卷）——'2005系統仿真技術及其應用學術交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數選擇優化中的應用研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 方衛華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數分區反演中的應用[A];2012年中國水力發電工程學會大壩安全監測專委會年會暨學術交流會論文集[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）[南京理工大學學報（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學術年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數優化問題[A];第二十一屆中國（天津）’2007IT、網絡、信息技術、電子、儀器儀表創新學術會議論文集[C];2007年

相關博士學位論文 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;2016年

2 杜毅;多階段可變批生產線重構的研究[D];廣東工業大學;2016年

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

4 王芳;粒子群算法的研究[D];西南大學;2006年

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

6 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

7 黃平;粒子群算法改進及其在電力系統的應用[D];華南理工大學;2012年

8 胡成玉;面向動態環境的粒子群算法研究[D];華中科技大學;2010年

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

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

相關碩士學位論文 前10條

1 張忠偉;結構優化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調節隸屬函數模糊控制器設計[D];河北聯合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

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

7 李程;基于粒子群算法的AS/RS優化調度方法研究[D];陜西科技大學;2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環發動機數學模型問題[D];山東大學;2015年

9 陳百霞;考慮風電場并網的電力系統無功優化[D];山東大學;2015年

10 戴玉倩;基于混合動態粒子群算法的軟件測試數據自動生成研究[D];江西理工大學;2015年

，

本文編號：1389223