| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 本文研究背景 | 第16-17页 |
| 1.2 研究现状 | 第17-20页 |
| 1.2.1 分布式进化算法 | 第17-18页 |
| 1.2.2 粒子群优化算法 | 第18-19页 |
| 1.2.3 云平台与MapReduce | 第19-20页 |
| 1.3 主要研究内容 | 第20-21页 |
| 1.4 本文结构安排 | 第21-24页 |
| 第二章 基于MapReduce的进化算法模型 | 第24-34页 |
| 2.1 MapReduce模型 | 第24-28页 |
| 2.1.1 MapReduce的编程模式 | 第24-25页 |
| 2.1.2 MapReduce的实现 | 第25-26页 |
| 2.1.3 MapReduce的优势 | 第26页 |
| 2.1.4 Hadoop | 第26-28页 |
| 2.2 一种新的进化算法MapReduce模型 | 第28-32页 |
| 2.2.1 MREA基本框架 | 第28页 |
| 2.2.2 MREA的子空间与数据块 | 第28-29页 |
| 2.2.3 MREA的Map函数 | 第29页 |
| 2.2.4 MREA的Reduce函数 | 第29-30页 |
| 2.2.5 MREA的实现 | 第30-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 基于MapReduce的协同粒子群优化算法 | 第34-48页 |
| 3.1 粒子群优化算法与协同粒子群优化算法 | 第34-36页 |
| 3.1.1 PSO | 第34-35页 |
| 3.1.2 CPSO-S | 第35-36页 |
| 3.2 MRCPSO算法 | 第36-38页 |
| 3.2.1 MRCPSO的Map函数 | 第37-38页 |
| 3.2.2 MRCPSO的Reduce函数 | 第38页 |
| 3.3 实验结果与分析 | 第38-46页 |
| 3.3.1 测试问题 | 第38-39页 |
| 3.3.2 对比算法与参数设定 | 第39-40页 |
| 3.3.3 MRCPSO的表现 | 第40-41页 |
| 3.3.4 MRCPSO与CPSO-S算法的比较 | 第41-43页 |
| 3.3.5 MRCPSO与CEC 2013 竞赛算法的比较 | 第43-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 基于MapReduce的量子行为的粒子群优化算法及其应用 | 第48-60页 |
| 4.1 量子行为的粒子群优化算法 | 第48-49页 |
| 4.2 MRQPSO算法 | 第49-51页 |
| 4.2.1 MRQPSO的Map函数 | 第50页 |
| 4.2.2 MRQPSO的Reduce函数 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-58页 |
| 4.3.1 测试问题 | 第51-52页 |
| 4.3.2 对比算法与参数设定 | 第52页 |
| 4.3.3 MRQPSO在测试问题上的表现 | 第52-54页 |
| 4.3.4 MRQPSO与QPSO算法的比较 | 第54-55页 |
| 4.3.5 用MRQPSO求解非线性方程组 | 第55-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-74页 |
