结合共识分枝的多目标重建进化树算法及其并行化
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的研究工作及创新之处 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 相关知识介绍 | 第16-34页 |
| 2.1 进化树重建 | 第16-21页 |
| 2.1.1 进化树 | 第16页 |
| 2.1.2 进化树重建方法 | 第16-21页 |
| 2.1.2.1 最大简约法 | 第17-19页 |
| 2.1.2.2 最大似然法 | 第19-21页 |
| 2.2 多目标优化 | 第21-34页 |
| 2.2.1 最优化问题 | 第21-22页 |
| 2.2.2 遗传算法 | 第22-23页 |
| 2.2.3 多目标优化问题 | 第23-25页 |
| 2.2.3.1 定义 | 第24页 |
| 2.2.3.2 帕累托最优 | 第24-25页 |
| 2.2.4 多目标进化算法 | 第25-34页 |
| 2.2.4.1 NSGA-Ⅱ | 第26-28页 |
| 2.2.4.2 聚合函数 | 第28-32页 |
| 2.2.4.3 MOEA/D | 第32-34页 |
| 第三章 结合共识分枝的多目标进化树重建方法 | 第34-51页 |
| 3.1 共识分枝 | 第34-36页 |
| 3.2 将共识分枝结合到多目标进化算法中 | 第36-37页 |
| 3.3 MOEA-RC | 第37-42页 |
| 3.3.1 标准化 | 第37-38页 |
| 3.3.2 重分配操作 | 第38-40页 |
| 3.3.3 计算共识分枝 | 第40-41页 |
| 3.3.4 算法流程 | 第41-42页 |
| 3.4 实验 | 第42-51页 |
| 3.4.1 实验数据 | 第42-43页 |
| 3.4.2 实验设计 | 第43-44页 |
| 3.4.3 实验结果 | 第44-51页 |
| 第四章 在spark平台上的并行化 | 第51-64页 |
| 4.1 简介 | 第51-53页 |
| 4.1.1 并行化 | 第51-52页 |
| 4.1.2 spark | 第52-53页 |
| 4.2 算法设计 | 第53-56页 |
| 4.2.1 MOEA-RC的并行化 | 第53-54页 |
| 4.2.2 岛模型 | 第54页 |
| 4.2.3 phylo-spark | 第54-56页 |
| 4.3 实验 | 第56-60页 |
| 4.3.1 实验设置 | 第56-57页 |
| 4.3.2 实验结果 | 第57-60页 |
| 4.4 重建进化树平台 | 第60-64页 |
| 4.4.1 背景 | 第61页 |
| 4.4.2 平台设计 | 第61-62页 |
| 4.4.3 平台展示 | 第62-64页 |
| 第五章 总结和展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表论文及科研情况 | 第70-71页 |
| 致谢 | 第71页 |
