摘要：为了能够迅速在状态空间中找寻到位置目标信息,设计采用Hadoop中的并行性MapReduce框架。该数据处理框架采用的是核心层封装的MapReduce操作,通过SolutionFilter组件将待处理数据的个体与用户层对接,实现实时数据与启发式搜索算法结合在MapReduce框架上的并行性批量处理。该系统设计流程主要为集群平台及MapReduce框架的设计及其搭建、启发式搜索算法最优解的获取、TSP问题在系统平台上的处理等。启发式搜索算法通过评估得到位置参数信息,利用MapReduce框架下的并行计算方式,设计启发式搜索算法更有力的运行环境。

摘要：为了解决网络安全评估模型收敛速度慢、评估指标不完善、模型参数不完备导致的网络安全预测不准确的问题,设计了基于智能优化算法的神经网络状态评估和预测优化模型.首先,基于智能优化算法的并行性、高效性对神经网络评估进行优化,并划分相应的安全等级.其次,利用蚁群算法获取神经网络状态预测模型源码值并对其进行优化,使神经网络状态更加高效和稳定.每个模型都设计实验验证遗传算法对神经网络模型的优化和提升.

摘要：本文基于Hadoop平台设计了一个实时数据处理系统,通过对主流实时计算框架的研究,解决了Spark,puma没能解决的数据源主动接入问题.本系统设计主要包括核心计算模块设计、数据接入模块设计和存储模块设计.主要用到的算法包括可靠性机制算法、信号量机制算法、事务性机制算法等.实践结果表明,系统处理效率高且运行稳定.

摘要：为了改善Hadoop云计算平台访问轨迹安全性的问题,提出一种根据用户动态行为分析的访问控制机制。首先,通过收集用户在平台中的各种行为证据,并进行属性归类划分;分析用户在系统中的动态行为证据基础值,通过算法在超级决策软件上进行计算,将用户的行为量化为一个信任值来分配用户对平台的访问权限。最后,设计了基于信任的访问控制过程。此种访问控制实现了更高的平台安全性,能有效地控制用户访问权限。