基于内存映射文件的进化算法数据存储引擎

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (1): 49-53.

基于内存映射文件的进化算法数据存储引擎

姜三义，代真真，李阳，周爱民

华东师范大学计算机科学技术系，上海 200241

出版日期:2015-01-01 发布日期:2015-01-06

Data storage engine based on memory-mapped file for evolutionary algorithms

JIANG Sanyi, DAI Zhenzhen, LI Yang, ZHOU Aimin

Department of Computer Science & Technology, East China Normal University, Shanghai 200241, China

Online:2015-01-01 Published:2015-01-06

摘要/Abstract

摘要： 为了观察和分析进化算法的执行情况，往往需要将算法执行过程中产生的大量数据存储在磁盘文件中。用于进化算法的嵌入式数据存储引擎EADB（Evolutionary Algorithm Database）提供了简便灵活的数据存储接口，通过使用内存映射文件技术来实现数据的快速和大量存储。相较于传统文件I/O存储方式和一般的通用数据存储引擎，EADB大大加快了存储速度。

关键词: 进化算法, 内存映射文件, 数据存储引擎, 文件I/O

Abstract: In order to observe and analyze the execution of Evolutionary Algorithms（EAs）, large volumes of data generated during algorithm execution are always stored in disk files. An embedded data storage engine, named as the Evolutionary Algorithm Database（EADB）, provides simple yet flexible data storage interfaces for evolutionary algorithms, and facilitates fast large data storage by using memory-mapped files. Compared to storage methods using traditional file I/O and general database storage engine, EADB is tremendous faster.

Key words: evolutionary algorithm, memory-mapped file, data storage engine, file I/O

姜三义，代真真，李阳，周爱民. 基于内存映射文件的进化算法数据存储引擎[J]. 计算机工程与应用, 2015, 51(1): 49-53.

JIANG Sanyi, DAI Zhenzhen, LI Yang, ZHOU Aimin. Data storage engine based on memory-mapped file for evolutionary algorithms[J]. Computer Engineering and Applications, 2015, 51(1): 49-53.

[1]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[2]	白首华，郭广颂，胡天彤. 交互式多目标文化算法优化多模态混合指标[J]. 计算机工程与应用, 2021, 57(17): 80-87.
[3]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[4]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[5]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[6]	吉训生，蔡益青. 利用历史信息和限制算子求解MOFJSP[J]. 计算机工程与应用, 2020, 56(2): 272-278.
[7]	蔡延光，陈厚仁，戚远航. 变邻域量子烟花算法求解CVRP[J]. 计算机工程与应用, 2019, 55(9): 230-236.
[8]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[9]	周林. 低碳时变城配送车辆路径-发车调度集成优化[J]. 计算机工程与应用, 2019, 55(8): 264-270.
[10]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[11]	肖俊明，高洪洋，朱永胜，瞿博阳. 考虑新能源接入的电力多目标优化调度[J]. 计算机工程与应用, 2019, 55(23): 241-247.
[12]	顾春华，刘鑫平，罗飞，丁炜超. 基于同步更新外部归档集的NSGA-II改进算法[J]. 计算机工程与应用, 2018, 54(20): 28-34.
[13]	申晓宁，孙毅，薛云勇. 采用放松支配关系的高维多目标微分进化算法[J]. 计算机工程与应用, 2018, 54(18): 161-167.
[14]	刘利斌1，2，隆广庆1，2，上官珍萍1. 差分进化与有理谱方法求解奇异摄动问题[J]. 计算机工程与应用, 2018, 54(17): 225-230.
[15]	钱武文，柴军瑞，张子映，谈然. 基于反射变异策略的自适应差分进化算法[J]. 计算机工程与应用, 2018, 54(15): 161-168.