基于Spark的并行Metaheuristic算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61672439
  • 项目类别：
    面上项目
  • 资助金额：
    62.0万
  • 负责人：
    张德富
  • 依托单位：
    厦门大学
  • 学科分类：
    F0201.计算机科学的基础理论
  • 结题年份：
    2020
  • 批准年份：
    2016
  • 项目状态：
    已结题
  • 起止时间：
    2017-01-01 至2020-12-31

项目摘要

Metaheuristic algorithms are commonly regarded as one of efficient ways to deal with NP-hard problems. However, this sort of algorithms, when running in series processing machines, can hardly solve very large problems or complex problems occurring in big data environment. Based on Spark cloud computing platform, this project plans to carry out researches on parallel design and implementation of metaheuristic algorithms such as simulated annealing, tabu search, genetic algorithm, and MOEA/D algorithm. The main research contents include: (I) implementation of parallel metaheuristic algorithms, (II) design of parallel framework, (III) sharing and transmission of information. In order to evaluate the performance of the proposed parallel metaheuristic algorithms, classic satisfiability problem and vehicle routing problem will be solved. In particular, the proposed algorithms will be used to solve a vehicle routing problem with real-world constraints in a big data environment. This project will develop a new parallel method for solving NP-hard problems in big data environment and will provide help and service for researchers and practitioners to solve computation-intensive large-scale optimization problems.
Metaheuristic算法是处理NP困难问题的有效方法。但是对于很大规模的问题或者大数据环境中的复杂问题，这类算法在串行机上仍然耗时严重而难以实用。本项目将选择代表性的Metaheuristic算法如模拟退火、禁忌搜索、遗传算法和MOEA/D算法，基于最新的Spark云计算平台，研究他们的并行实现。其中，并行Metaheuristic算法的设计和实现问题、并行框架的设计问题、信息的共享和传递问题是重点研究内容。两类经典问题的代表可满足性问题和车辆调度问题将被用来验证并行Metaheuristic算法的有效性。特别地，提出的并行算法将被进一步用于解决大数据环境下带现实约束的车辆调度问题。本项目的完成，可以为大数据环境中NP困难问题的并行化求解提供新思路和新方法，为学术界和工业界求解大规模复杂优化问题提供帮助和服务。

结项摘要

对于很大规模的问题或者大数据环境中的复杂问题，Metaheuristic算法或者深度学习算法等在串行机上仍然耗时严重而难以实用。本项目将选择代表性的算法如模拟退火、禁忌搜索、遗传算法、MOEA/D算法、蚁群算法以及深度学习算法等，基于Spark云计算平台，研究他们的并行实现。具体研究了云计算环境下的调度问题，并行Metaheuristic算法的设计和实现问题、并行框架的设计问题、信息的共享和传递问题以及深度学习的应用问题。两类经典问题的代表可满足性问题和车辆调度问题将被用来验证并行Metaheuristic算法的有效性。特别地，提出的并行算法将被进一步用于解决大数据环境下带现实约束的车辆调度问题。特别研究了机器学习的高性能实现及其在病虫害识别领域的初步研究。本项目的完成，可以为大数据环境中NP困难问题的并行化求解以及复杂的机器学习问题提供新思路和新方法，为学术界和工业界求解大规模复杂优化问题提供帮助和服务。

项目成果

期刊论文数量（26）
专著数量（0）
科研奖励数量（0）
会议论文数量（7）
专利数量（0）
Detection of rice plant diseases based on deep transfer learning
基于深度迁移学习的水稻病害检测
  • DOI：
    10.1002/jsfa.10365
  • 发表时间：
    2020-03-14
  • 期刊：
    JOURNAL OF THE SCIENCE OF FOOD AND AGRICULTURE
  • 影响因子：
    4.1
  • 作者：
    Chen, Junde;Zhang, Defu;Li, Dele
  • 通讯作者：
    Li, Dele
Identification of rice plant diseases using lightweight attention networks
使用轻量级注意力网络识别水稻病害
  • DOI：
    10.1016/j.eswa.2020.114514
  • 发表时间：
    2021-01-05
  • 期刊：
    EXPERT SYSTEMS WITH APPLICATIONS
  • 影响因子：
    8.5
  • 作者：
    Chen, Junde;Zhang, Defu;Nanehkaran, Yaser A.
  • 通讯作者：
    Nanehkaran, Yaser A.
A benchmark approach and its toolkit for online scheduling of multiple deadline-constrained workflows in big-data processing systems
大数据处理系统中多个截止日期受限工作流程在线调度的基准方法及其工具包
  • DOI：
    10.1016/j.future.2018.03.046
  • 发表时间：
    2018-08
  • 期刊：
    FUTURE GENERATION COMPUTER SYSTEMS-THE INTERNATIONAL JOURNAL OF ESCIENCE
  • 影响因子：
    7.5
  • 作者：
    Dongzhan Zhang;Wenjing Yan;Emmanuel Bugingo;Wei Zheng;Jinjun Chen
  • 通讯作者：
    Jinjun Chen
Mining of Nutritional Ingredients in Food for Disease Analysis
疾病分析食品中营养成分的挖掘
  • DOI：
    10.1109/access.2018.2866389
  • 发表时间：
    2018-01-01
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Lei，Zhenfeng;Yang，Shuangyuan;Zhang，Defu
  • 通讯作者：
    Zhang，Defu
A novel data-driven robust framework based on machine learning and knowledge graph for disease classification
基于机器学习和知识图谱的新型数据驱动的疾病分类鲁棒框架
  • DOI：
    10.1016/j.future.2019.08.030
  • 发表时间：
    2020-01-01
  • 期刊：
    FUTURE GENERATION COMPUTER SYSTEMS-THE INTERNATIONAL JOURNAL OF ESCIENCE
  • 影响因子：
    7.5
  • 作者：
    Lei, Zhenfeng;Sun, Yuan;Zhang, Defu
  • 通讯作者：
    Zhang, Defu

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于一维卷积的生产线冷态重轨表面缺陷快速检测
  • DOI：
    --
  • 发表时间：
    2021
  • 期刊：
    东北大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    张德富;宋克臣;牛孟辉;颜云辉
  • 通讯作者：
    颜云辉
化学驱储层内驱油剂性能及其变化规律
  • DOI：
    10.19346/j.cnki.1000-4092.2016.03.025
  • 发表时间：
    2016
  • 期刊：
    油田化学
  • 影响因子：
    --
  • 作者：
    周彦霞;卢祥国;孙学法;张德富;王宝江;王磊
  • 通讯作者：
    王磊
求解三维装箱问题的多层启发式搜索算法
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    张德富;彭煜;张丽丽
  • 通讯作者：
    张丽丽
基于“相对价值”量化标准的基层医疗卫生服务机构内部绩效考核模式
  • DOI：
    10.3969/j.issn.1674-2982.2019.01.008
  • 发表时间：
    2019-01
  • 期刊：
    中国卫生政策研究
  • 影响因子：
    --
  • 作者：
    尹德卢;华兵;张德富;王利红殷涛 辛倩倩 杨慧敏 陈博文
  • 通讯作者：
    王利红殷涛 辛倩倩 杨慧敏 陈博文
求解矩形Packing问题的砌墙式启发式算法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    张德富;韩水华;叶卫国
  • 通讯作者：
    叶卫国

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

张德富的其他基金

带装箱约束的开放多车辆调度问题的模型与算法研究
  • 批准号：
    61272003
  • 批准年份：
    2012
  • 资助金额：
    60.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码