基于改进粒子群算法的云计算产业联盟知识搜索算法研究

发布时间：2018-01-06 19:28

本文关键词：基于改进粒子群算法的云计算产业联盟知识搜索算法研究　出处：《数据分析与知识发现》2017年03期 　论文类型：期刊论文

【摘要】：【目的】利用改进的粒子群算法进行云计算产业联盟知识搜索,提高搜索的准确率和效率。【方法】首先利用MapReduce中Map函数对粒子分组实现并行化处理,再运用Reduce函数对粒子搜索的结果进行归约,缩短搜索的时间。在粒子搜索过程中,根据小组内最优位置的平均值进行小组内粒子的信息交互,避免算法早熟收敛于一个局部最优值。【结果】通过三组仿真实验对改进的粒子群算法和标准粒子群算法进行对比分析,结果表明改进的粒子群算法在效率与准确率方面均具有明显的优越性。【局限】样本数据存在干扰数据,有待改进。【结论】该方法能提高云计算产业联盟知识搜索的准确性,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.
【作者单位】：哈尔滨理工大学管理学院;哈尔滨理工大学高新技术产业发展研究中心;
【基金】：黑龙江省自然科学基金项目“黑龙江省移动云计算联盟商业模式研究”(项目编号:G201301)的研究成果之一
【分类号】：TP18
【正文快照】： 1引言云计算自提出以来发展迅猛,世界各国对它广阔的市场前景和巨大的产业机遇给予高度关注。根据赛迪智库发布的《云计算产业发展白皮书(2015版)》显示,2015年全球云计算服务市场规模达到1 800亿美元,增长18%,全球IT公司纷纷向云计算转型,云计算产业规模高速增长。云计算产业

【参考文献】

相关期刊论文前10条

1 范成礼;邢清华;付强;王振江;王艺菲;;求解非线性双层规划问题的混合变邻域粒子群算法[J];系统工程理论与实践;2015年02期

2 王燕燕;葛洪伟;王娟娟;杨金龙;;一种动态分组的粒子群优化算法[J];计算机工程;2015年01期

3 翟丽丽;柳玉凤;王京;李楠楠;;软件产业虚拟集群企业间信任进化博弈研究[J];中国管理科学;2014年12期

4 罗宏;;基于改进粒子群算法的图书封面搜索引擎研究[J];情报科学;2014年04期

5 王洪峰;王娜;汪定伟;黄敏;;一种求解多峰优化问题的改进Species粒子群算法[J];系统工程学报;2012年06期

6 李媛媛;曲雯毓;栗志扬;许玉杰;;一种快速收敛粒子群优化算法在云计算中应用[J];华中科技大学学报(自然科学版);2012年S1期

7 苏屹;李柏洲;刘晓静;;基于蚁群算法的R&D支出拟合模型研究[J];情报杂志;2012年05期

8 叶晓国;;基于NS-2的无线传感器网络仿真模块扩展方法的研究[J];计算机研究与发展;2011年S2期

9 史恒亮;任崇广;白光一;普杰信;;自适应蚁群优化的云数据库动态路径查询[J];计算机工程与应用;2010年09期

10 李国辉;冯明月;易先清;;基于分群粒子群优化的传感器调度方法[J];系统工程与电子技术;2010年03期

【共引文献】

相关期刊论文前10条

1 郭本海;李军强;张笑腾;;多主体参与下中国光伏产业低端技术锁定突破问题研究[J];北京理工大学学报(社会科学版);2017年04期

2 高长元;于建萍;何晓燕;;基于改进粒子群算法的云计算产业联盟知识搜索算法研究[J];数据分析与知识发现;2017年03期

3 李江波;王波;高岩;张惠珍;;社会福利均衡的实时电价多层互动模型[J];电力系统保护与控制;2017年04期

4 吴聪;杨建辉;;利用带宽有效聚类的WSN数据聚合优化算法[J];控制工程;2017年01期

5 叶一們;张小宁;;基于随机运输路径选择的物流中心选址模型[J];管理科学学报;2017年01期

6 罗建强;李伟鹏;赵艳萍;;基于演化博弈的制造企业服务衍生稳定性研究[J];系统工程学报;2016年06期

7 杨恒占;钱富才;高嵩;江涛;;一类随机系统的概率密度函数形状控制[J];系统工程理论与实践;2016年09期

8 姚冠新;何勇;边晓雨;;基于演化博弈的新型农产品批发模式构建问题探讨[J];商业经济研究;2016年17期

9 张照胜;李蜀瑜;;云计算环境下基于改进粒子群算法的任务调度[J];电子设计工程;2016年15期

10 彭亚美;杨家其;赵学_g;;基于粒子群优化算法的城市轨道客运定价双层规划模型研究[J];武汉理工大学学报(交通科学与工程版);2016年03期

【二级参考文献】

相关期刊论文前10条

1 魏芳芳;陈福集;;三方非对称进化博弈行为分析[J];浙江大学学报(理学版);2013年02期

2 魏芳芳;陈福集;;网络虚假信息中政府、企业和公民三者的进化博弈行为分析[J];运筹与管理;2012年06期

3 龚谊承;王先甲;李寿贵;;校企实习联盟模式变迁的进化博弈模型与演化路径[J];系统工程理论与实践;2012年09期

4 接玉梅;葛颜祥;徐光丽;;基于进化博弈视角的水源地与下游生态补偿合作演化分析[J];运筹与管理;2012年03期

5 于斌斌;;传统产业与战略性新兴产业的创新链接机理——基于产业链上下游企业进化博弈模型的分析[J];研究与发展管理;2012年03期

6 刘友金;袁祖凤;易秋平;;共生理论视角下集群式产业转移进化博弈分析[J];系统工程;2012年02期

7 高华;;基于复杂性理论的软件产业集群形成与演化研究[J];中国软科学;2011年S1期

8 邢乐斌;王旭;;基于合作溢出的机会主义行为演化博弈分析[J];管理工程学报;2011年03期

9 刘衍民;隋常玲;赵庆祯;;基于K-均值聚类的动态多种群粒子群算法及其应用[J];控制与决策;2011年07期

10 王飞;吴松;石宣化;赵娜;;一种面向HPC Cloud系统的在线作业调度算法[J];华中科技大学学报(自然科学版);2011年S1期

【相似文献】

相关期刊论文前10条

1 秦玉灵;孔宪仁;罗文波;;混沌量子粒子群算法在模型修正中的应用[J];计算机工程与应用;2010年02期

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

3 牛永洁;;一种新型的混合粒子群算法[J];信息技术;2010年10期

4 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

5 刘衍民;赵庆祯;邵增珍;;一种改进的完全信息粒子群算法研究[J];曲阜师范大学学报(自然科学版);2011年01期

6 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[J];计算机工程与应用;2011年05期

7 熊智挺;谭阳红;易如方;陈赛华;;一种并行的自适应量子粒子群算法[J];计算机系统应用;2011年08期

8 孟纯青;;非线性粒子群算法[J];微计算机应用;2011年08期

9 任伟建;武璇;;一种动态改变学习因子的简化粒子群算法[J];自动化技术与应用;2012年10期

10 刘飞,孙明,李宁,孙德宝,邹彤;粒子群算法及其在布局优化中的应用[J];计算机工程与应用;2004年12期