陈元文

武警工程大学 装备管理与保障学院，西安710086

MapReduce是由谷歌公司开发并已广泛使用的一种并行计算编程框架，采用“分而治之”的思想，通过将一个复杂的串行任务分解为多个独立的并行任务而提高计算效率[1]，是云计算的重要技术基石之一。MapReduce技术所具备的高度自动化和强大的容错能力，使智能算法摆脱了以网格计算为代表的传统并行化方案对运行环境的繁琐设置过程，摆脱了其对高性能和高稳定性硬件设备的依赖。

基于以MapReduce为代表的云计算技术的智能算法，因其高性价比和高容错性，从2008年逐渐引起学术界的广泛关注。Xu和You[2]为分析多层陶瓷基复合材料在冷却过程中的热残余应力对材料寿命和材料性能的影响程度，设计了基于多次迭代的改进MapReduce的粒子群算法，并结合有限元分析法对优化模型进行了求解。吴昊等[3]使用云计算技术将蚁群算法并行化，提出融入分治思想和模拟退火算法的基于MapReduce的蚁群算法，用于求解较大规模的旅行商问题（Traveling Salesman Problem，TSP）。文献[4-5]针对TSP求解问题，设计了基于MapReduce技术的并行遗传算法，并分析了不同节点下的计算加速比。Hu等[6]针对利用大规模传感器网络进行实时水污染源的识别问题，设计了基于MapReduce技术的小生境并行遗传算法，并验证了算法优秀的计算性能。杨婉婧等[7]为提高BP神经网络算法的运行效率，提出了基于MapReduce的遗传算法用于BP神经网络的并行化设计及实现方法。

在以上研究成果的基础上，本研究提出了将MapReduce技术用于求解复杂物资调度及配载问题的多目标遗传算法的具体部署方法及改进策略。……