حل مسائل باظرفیت وتراکم اطلاعاتی بالا بوسیله الگوریتم ژنتیک موازی ومدل map reduce

دراین مقاله به معرفی الگوریتم ژنتیک وعملگرهای آن و همچنین الگوریتم های ژنتیک موازی می پردازیم نقش موازی سازی درالگوریتم ژنتیک و مدل نگاشت کاهش )map-reduce که یک پارادایم برنامه نویسی موازی می باشد پرداخته میشود هادوپ با )map-reduce و سیستم فایل توزیع شده HDFSکار می کند و برای مسائل توزیعی مورد استفاده است حل مسائل باظرفیت بالا به معیارهایی مانند همگرایی برازندگی کیفیت راه حل نهایی مقیاس پذیری الگوریتم برای بهره برداری ازمنابع بیشتر بایدمدنظر باشد دراستفاده ازالگوریتم های ژنتیک با اینکه دارای پایه ریاضی معین و مشخصی نیستند اما به عنوان یک مدل اجرایی و مطمئن به خوبی نیز قابل پیاده سازی هستند و کارایی خوبی ازخود نشان داده اند

کلیدواژه ها:

الگوریتم ژنتیک ، الگوریتم ژنتیک موازی ، سیستم فایل توزیعی ، مدل نگاشت - کاهش