使用基于MapReduce的蚁群优化技术求解组合优化问题的方法技术

本发明专利技术公开了一种使用基于MapReduce的蚁群优化技术求解组合优化问题的方法，属于组合优化问题求解技术领域。本发明专利技术包括如下步骤：根据设定的mapper的数量划分指定组合优化问题的解空间；Map阶段，每个mapper独立并行地在步骤1)划分得到的子问题解空间中执行改进的蚁群算法，搜索局部最优解；Reduce阶段，reducer接受所有mapper在不同解空间搜索到的局部最优解，根据步骤1)中采用的解空间划分情况综合得到全局最优解；输出reducer当前得到的全局最优解，结束。本发明专利技术具有更好的可伸缩性，能够更好的改善求解大规模组合优化问题的效率。

【技术实现步骤摘要】

本专利技术涉及的是组合优化问题求解
的方法，具体的说，涉及的是。
技术介绍
蚁群算法(Ant Colony Optimization, AC0)是一种仿生的元启发式算法,源自于蚁群寻找食物的自然过程，具有可分布性、鲁棒性等优点，是元启发式算法中较优的一种， 并被广泛应用于解决各种组合优化问题，例如具有NP难度的旅行商(TSP)问题的最优解答，Job Shop调度问题、二次指派问题以及多维背包问题等。在实际工程应用中蚁群算法被大量应用于数据分析、机器人协作问题求解、电力、通信、水利、采矿、化工、建筑、交通等领域。然而，经典蚁群算法时间空间开销巨大，性能随着问题规模的扩大而下降的严重问题。 在计算机领域，可以通过采用分布式并行处理技术提高系统的可伸缩性(scalability)。经对现有技术的文献检索发现，文章Parallel Multicolony ACO Algorithm WithExchange of Solutions, Proceedings of the 18th Belgium-Netherlands Conference onArtificial Intelli本文档来自技高网...

【技术保护点】
使用基于MapReduce的蚁群优化技术求解组合优化问题的方法，其特征在于，包括以下步骤：?1）根据设定的mapper的数量划分指定组合优化问题的解空间；?2）Map阶段，每个mapper独立并行地在步骤1)划分得到的子问题解空间中执行改进的蚁群算法，搜索局部最优解；?3）Reduce阶段，reducer接受所有mapper在不同解空间搜索到的局部最优解，根据步骤1)中采用的解空间划分情况综合得到全局最优解；?4）输出reducer当前得到的全局最优解，结束。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴刚，吴碧晗，王岩冰，杨梦东，刘翔宇，漆桂林，
申请(专利权)人：东南大学，
类型：发明
国别省市：