信息爆照时代,数据规模急剧增加,大数据分析计算平台应运而生。以遗传算法为代表的智能算法,具有并行运行的特点,在处理多条件、多约束及非线性等实际问题中所起的作用越来越明显。本文着重研究如何将遗传算法在大数据分析计算平台上进行有效的运行,并在TSP(旅行商问题—Travelling Salesman Problem)问题中实例化文章提出的混合并行遗传算法(HPGA,Hybrid Parallel Genetic Algorithm)。本文主要研究工作和成果如下:(1)讨论遗传算法并行的可能性。由于遗传算法天生具有并行运行的属性。因此,如何提升其并行的效果是本文讨论的重点。学术界,已经有很多专家学者对遗传算法并行的可能性做了相关的研究。本文在前人研究的基础上,对研究成果进行充分的讨论,以确保优化遗传算法的并行特性。(2)建立基于Hadoop的混合并行遗传算法模型。基于遗传算法并行可行性的讨论研究,本文构建了基于Hadoop的混合并行遗传算法模型。将不同的并行遗传算法模型进行合理的整合,使其具有更好的伸缩性,提高混合并行遗传算法模型在面对实际问题求解过程中的适应能力。在提高求解效率的同时,又能很好保持遗传算法的优秀特性。(3)模型框架的实例化和方法研究。本文选取TSP旅行商问题实际背景,以混合并行遗传算法为基础,对提出的算法模型进行实例化验证,通过实验数据证明本文提出模型框架的可用性。