Parallel PSO Using MapReduce（基于MapReduce计算框架的粒子群算法）

这一篇文章承接上一篇我用c++多线程实现的PSO算法。
基于c++多线程的并行粒子群优化算法
粒子群是什么这里就不在讨论了。主要聊聊MR程序。
思路也借鉴上面的多线程实现。
map程序：
1.读取粒子信息并创建粒子；
2.更新粒子速度和位置；
3.将粒子传递给Reduce程序；
Reduce程序：
1.接受粒子，评价粒子状态信息；
2.根据评价函数更新全局最优解；
3.结果输出；
每个job相当于多线程中的一次循环。写这次程序之前，小编还借鉴了一篇发表在IEEE上的国外大牛的文章(就连博客的题目都是借鉴人家的)。
里面除了提到了MR程序设计和应用神经网络之外，还提供了一种思想：每个粒子不是独立存在的，除了全局最优解的交互之外，还有与自身相关粒子的的交互，读者有机会可以实现一下，下次再遇到PSO并行设计我也会试试实现那个思路。
除了map和Reduce之外，其他的一些辅助类几乎和上一篇文章一样，这里不再赘述（刚刚写完上一篇，不想再写一遍了，偷个懒大家别介意啊）
写MR程序，首先我们就要考虑map和reduce的输入输出。
Mapper：输入key偏移量->LongWritable，每行数据value->Text
输出key粒子个体最优值->DoubeWritable，value->实现了Writable接口的粒子类
Reducer：输入对应mapper的输出，输出key->粒子信息Text，value为空就可以。

MyMapper类：

public class MyMapper extends Mapper<LongWritable, Text, DoubleWritable,Particle> {
   
    private Better better=new Better(Resource.isMax());
    private int dim=Resource.getDim();
    private Ifunction fun=new MyFunction();
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, DoubleWritable,Particle>.Context context)
            throws IOException, InterruptedException {
        String[] msgs=value.toString().split("%%");