检索结果

Select

1. 物联网环境下基于上下文的Hadoop大数据处理系统模型

李敏, 倪少权, 邱小平, 黄强

计算机应用 2015, 35 (5): 1267-1272. DOI: 10.11772/j.issn.1001-9081.2015.05.1267

摘要（534）

PDF （911KB）（970）

针对物联网环境下异构大数据处理实时性低的问题,探讨了基于Hadoop框架实现数据处理与持久化的方法,提出了一种基于"上下文"的Hadoop大数据处理系统模型HDS,HDS利用Hadoop框架完成数据并行处理与持久化,将物联网环境下异构数据抽象为"上下文"作为HDS处理对象;并提出了"上下文距离""上下文邻域系统(CNS)"的定义;对于Hadoop框架本身数据处理实时性不高的问题,HDS在设计上增加了"上下文队列(CQ)"作为辅助存储来提高数据处理实时性;利用"上下文"的时空特性,建立了用户请求"上下文邻域系统"对任务进行重组.以成品油配送车辆调度问题为例,利用MapReduce并行实验对HDS的数据处理与实时性能进行了验证与分析.实验结果表明,在物联网环境下,HDS不仅在大数据处理性能上较传统单点处理模型(SDS)具有明显优势,在实验环境中10台服务器的情况下,其计算性能能够超过SDS 200倍以上;同时也验证了CQ作为辅助存储能够有效提高数据处理实时性,在10台服务器环境下,其数据处理实时性能够提高270倍以上.

参考文献 | 相关文章 | 多维度评价

Select

2. 基于余弦函数改进的PSO算法及其仿真

张敏黄强许周钊姜柏庄

计算机应用 2013, 33 (02): 319-322. DOI: 10.3724/SP.J.1087.2013.00319

摘要（912）

PDF （648KB）（391）

粒子群算法具有简单、易于实现等优点在科学与工程领域得到了很好的验证，但是粒子群优化算法与其他进化算法一样存在容易陷入局部极小和早熟收敛等缺点。分析了其存在缺点的主要原因，并此基础上提出了一种改进的粒子群算法(CPSO)。利用余弦函数非线性改变惯性权重、对称改变学习因子进一步提高了粒子的学习能力，同时引入了细菌趋化操作用以维持种群多样性，使得CPSO算法性能在一定程度上优于标准粒子群(SPSO)算法。利用五个标准测试函数对三种算法的仿真结果进行可对比分析，分析结果表明：CPSO算法能在一定程度上跳出局部最优，有效地避免了SPSO算法早熟收敛问题，并具有较快的收敛速度。