Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. Hadoop

Autores
Barbero, Juan José; Tamagusku, Martín; Alfonso, Hugo; Bermúdez, Carlos; Minetti, Gabriela F.; Salto, Carolina
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
MapReduce es un paradigma popular, que permite a los usuarios no especializados utilizar grandes plataformas computacionales paralelas de manera transparente. Hadoop es la implementación más utilizada de este paradigma y, de hecho, para una gran cantidad de usuarios, la palabra Hadoop y MapReduce son intercambiables. Pero, hay otros framewoks que implementan este paradigma de programación, como MapReduce-MPI. Dado que las técnicas de optimización pueden beneficiarse enormemente de este tipo de modelado informático de uso intensivo de datos, en esta línea de investigacón analizamos el efecto del rendimiento del desarrollo de algoritmos genéticos (GA) utilizando diferentes marcos de MapReduce (MRGA).
Eje: Agentes y Sistemas Inteligentes.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
operadores
Heuristic methods
Optimization
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/76979

id SEDICI_1572180ecd39b479baff51fdc4105895
oai_identifier_str oai:sedici.unlp.edu.ar:10915/76979
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. HadoopBarbero, Juan JoséTamagusku, MartínAlfonso, HugoBermúdez, CarlosMinetti, Gabriela F.Salto, CarolinaCiencias InformáticasoperadoresHeuristic methodsOptimizationMapReduce es un paradigma popular, que permite a los usuarios no especializados utilizar grandes plataformas computacionales paralelas de manera transparente. Hadoop es la implementación más utilizada de este paradigma y, de hecho, para una gran cantidad de usuarios, la palabra Hadoop y MapReduce son intercambiables. Pero, hay otros framewoks que implementan este paradigma de programación, como MapReduce-MPI. Dado que las técnicas de optimización pueden beneficiarse enormemente de este tipo de modelado informático de uso intensivo de datos, en esta línea de investigacón analizamos el efecto del rendimiento del desarrollo de algoritmos genéticos (GA) utilizando diferentes marcos de MapReduce (MRGA).Eje: Agentes y Sistemas Inteligentes.Red de Universidades con Carreras en Informática2019-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/76979spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3984-85-3info:eu-repo/semantics/reference/hdl/10915/76941info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:45:41Zoai:sedici.unlp.edu.ar:10915/76979Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:45:41.666SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. Hadoop
title Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. Hadoop
spellingShingle Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. Hadoop
Barbero, Juan José
Ciencias Informáticas
operadores
Heuristic methods
Optimization
title_short Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. Hadoop
title_full Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. Hadoop
title_fullStr Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. Hadoop
title_full_unstemmed Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. Hadoop
title_sort Desarrollo de algoritmos genéticos utilizando diferentes frameworks de MapReduce: MPI vs. Hadoop
dc.creator.none.fl_str_mv Barbero, Juan José
Tamagusku, Martín
Alfonso, Hugo
Bermúdez, Carlos
Minetti, Gabriela F.
Salto, Carolina
author Barbero, Juan José
author_facet Barbero, Juan José
Tamagusku, Martín
Alfonso, Hugo
Bermúdez, Carlos
Minetti, Gabriela F.
Salto, Carolina
author_role author
author2 Tamagusku, Martín
Alfonso, Hugo
Bermúdez, Carlos
Minetti, Gabriela F.
Salto, Carolina
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
operadores
Heuristic methods
Optimization
topic Ciencias Informáticas
operadores
Heuristic methods
Optimization
dc.description.none.fl_txt_mv MapReduce es un paradigma popular, que permite a los usuarios no especializados utilizar grandes plataformas computacionales paralelas de manera transparente. Hadoop es la implementación más utilizada de este paradigma y, de hecho, para una gran cantidad de usuarios, la palabra Hadoop y MapReduce son intercambiables. Pero, hay otros framewoks que implementan este paradigma de programación, como MapReduce-MPI. Dado que las técnicas de optimización pueden beneficiarse enormemente de este tipo de modelado informático de uso intensivo de datos, en esta línea de investigacón analizamos el efecto del rendimiento del desarrollo de algoritmos genéticos (GA) utilizando diferentes marcos de MapReduce (MRGA).
Eje: Agentes y Sistemas Inteligentes.
Red de Universidades con Carreras en Informática
description MapReduce es un paradigma popular, que permite a los usuarios no especializados utilizar grandes plataformas computacionales paralelas de manera transparente. Hadoop es la implementación más utilizada de este paradigma y, de hecho, para una gran cantidad de usuarios, la palabra Hadoop y MapReduce son intercambiables. Pero, hay otros framewoks que implementan este paradigma de programación, como MapReduce-MPI. Dado que las técnicas de optimización pueden beneficiarse enormemente de este tipo de modelado informático de uso intensivo de datos, en esta línea de investigacón analizamos el efecto del rendimiento del desarrollo de algoritmos genéticos (GA) utilizando diferentes marcos de MapReduce (MRGA).
publishDate 2019
dc.date.none.fl_str_mv 2019-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/76979
url http://sedici.unlp.edu.ar/handle/10915/76979
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3984-85-3
info:eu-repo/semantics/reference/hdl/10915/76941
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260330447634432
score 13.13397