| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究的目的和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 本文的结构 | 第13-14页 |
| 2 Hadoop作业调度算法与群智能算法分析 | 第14-23页 |
| 2.1 Hadoop平台简介 | 第14-17页 |
| 2.1.1 Hadoop平台概述 | 第14-15页 |
| 2.1.2 HDFS的系统架构 | 第15页 |
| 2.1.3 MapReduce的工作原理 | 第15-16页 |
| 2.1.4 资源管理系统YARN | 第16-17页 |
| 2.2 Hadoop平台现有的调度算法分析 | 第17-19页 |
| 2.2.1 先进先出调度算法 | 第17页 |
| 2.2.2 计算能力调度算法 | 第17-18页 |
| 2.2.3 公平调度算法 | 第18页 |
| 2.2.4 上述算法的优缺点 | 第18-19页 |
| 2.3 群智能优化算法分析 | 第19-23页 |
| 2.3.1 群智能优化算法介绍 | 第19页 |
| 2.3.2 几种智能优化算法介绍 | 第19-21页 |
| 2.3.3 上述智能算法的优缺点 | 第21-23页 |
| 3 基于改进人工蜂群算法的Hadoop作业调度研究 | 第23-30页 |
| 3.1 人工蜂群算法描述 | 第23-24页 |
| 3.2 人工蜂群算法的特点以及存在的问题 | 第24-26页 |
| 3.3 改进的人工蜂群算法 | 第26-28页 |
| 3.3.1 基于高斯变异思想的人工蜂群算法 | 第26页 |
| 3.3.2 引进自适应参数，动态调整种群的寻优策略 | 第26-28页 |
| 3.4 改进人工蜂群算法在Hadoop中的应用 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 基于差分-蜂群混合算法的Hadoop作业调度研究 | 第30-34页 |
| 4.1 差分进化算法描述 | 第30-31页 |
| 4.2 差分进化算法改进研究 | 第31-32页 |
| 4.2.1 差分进化算法的特点以及存在的问题 | 第31页 |
| 4.2.2 引入自适应交叉概率 | 第31-32页 |
| 4.3 差分-蜂群混合作业算法混合策略设计 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 5 实验与分析 | 第34-40页 |
| 5.1 实验平台搭建 | 第34-35页 |
| 5.2 实验结果与分析 | 第35-39页 |
| 5.3 本章小结 | 第39-40页 |
| 6 总结与展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 致谢 | 第46-47页 |
| 攻读学位期间取得的科研成果清单 | 第47页 |
