| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外发展现状 | 第8-11页 |
| 1.2.1 Spark研究现状 | 第8-10页 |
| 1.2.2 水库调度研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文的组织与安排 | 第12-14页 |
| 2 相关理论与技术 | 第14-24页 |
| 2.1 大数据相关技术 | 第14-20页 |
| 2.1.1 Spark计算框架 | 第14-15页 |
| 2.1.2 Spark核心思想 | 第15-17页 |
| 2.1.3 Spark工作原理 | 第17-19页 |
| 2.1.4 HDFS分布式文件系统 | 第19-20页 |
| 2.2 算法并行化技术 | 第20-22页 |
| 2.2.1 并行算法编程模型 | 第20-21页 |
| 2.2.2 并行算法设计策略与方法 | 第21-22页 |
| 2.3 本章总结 | 第22-24页 |
| 3 水库群多目标优化调度分析 | 第24-30页 |
| 3.1 水库群多目标优化调度问题简介 | 第24页 |
| 3.2 水库群多目标优化调度求解模型分析 | 第24-26页 |
| 3.2.1 多目标优化求解的数学模型 | 第24-25页 |
| 3.2.2 水库群多目标优化调度求解模型 | 第25-26页 |
| 3.3 基于遗传算法的水库群多目标优化调度方法 | 第26-28页 |
| 3.4 本章总结 | 第28-30页 |
| 4 基于Spark的遗传算法并行化 | 第30-36页 |
| 4.1 遗传算法的并行性分析 | 第30页 |
| 4.2 传统方式下遗传算法并行化 | 第30-31页 |
| 4.3 基于Spark的遗传算法并行化 | 第31-34页 |
| 4.3.1 基于Spark的遗传算法并行化设计 | 第31-33页 |
| 4.3.2 遗传算法的并行化过程 | 第33-34页 |
| 4.4 不同平台下遗传算法实现方法的比较 | 第34-35页 |
| 4.5 本章总结 | 第35-36页 |
| 5 基于Spark的水库群多目标优化调度系统设计与实现 | 第36-66页 |
| 5.1 基于Spark的大数据支持环境构建 | 第36-44页 |
| 5.1.1 Spark服务器集群构建 | 第36-39页 |
| 5.1.3 Spark on yarn部署模式 | 第39-44页 |
| 5.2 基于Spark的水库群多目标优化调度系统结构 | 第44-45页 |
| 5.2.1 基于Spark的水库群多目标优化调度系统工作流程 | 第44页 |
| 5.2.2 基于Spark的水库群多目标优化调度系统软件结构 | 第44-45页 |
| 5.3 基于Spark的水库群多目标优化调度系统设计 | 第45-51页 |
| 5.3.1 数据存储模块的设计 | 第45-49页 |
| 5.3.2 水库群优化调度并行计算模块的设计 | 第49-51页 |
| 5.4 基于Spark水库群多目标优化调度软件实现 | 第51-60页 |
| 5.4.1 数据存储模块的实现 | 第51-53页 |
| 5.4.2 水库群优化调度并行计算模块的实现 | 第53-60页 |
| 5.5 软件运行过程与典型界面 | 第60-65页 |
| 5.6 本章总结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-72页 |
