| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 论文的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文章节安排 | 第12-13页 |
| 第2章 TSP问题 | 第13-20页 |
| 2.1 旅行商问题类型 | 第13-16页 |
| 2.1.1 最小Hamilton路问题 | 第13页 |
| 2.1.2 瓶颈问题 | 第13-14页 |
| 2.1.3 有向TSP问题 | 第14-15页 |
| 2.1.4 多人TSP问题 | 第15页 |
| 2.1.5 多月标TSP问题 | 第15-16页 |
| 2.2 解决TSP问题的主要方法 | 第16-19页 |
| 2.2.1 可解情形 | 第16页 |
| 2.2.2 线性规划算法 | 第16页 |
| 2.2.3 贪婪算法 | 第16-17页 |
| 2.2.4 分支限界算法 | 第17页 |
| 2.2.5 模拟退火算法 | 第17页 |
| 2.2.6 粒子群算法 | 第17-18页 |
| 2.2.7 遗传算法 | 第18页 |
| 2.2.8 蚁群算法 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 蚁群算法及其优化算法 | 第20-29页 |
| 3.1 蚁群算法简介 | 第20-22页 |
| 3.1.1 蚁群算法的起源 | 第20-21页 |
| 3.1.2 蚁群算法的基本原理 | 第21-22页 |
| 3.2 蚁群算法的优化 | 第22-26页 |
| 3.2.1 蚁群系统 | 第22-24页 |
| 3.2.2 精英蚂蚁系统 | 第24页 |
| 3.2.3 最大最小蚂蚁系统 | 第24-25页 |
| 3.2.4 基干排序的蚂蚁算法 | 第25-26页 |
| 3.3 最大最小蚁群算法的设计与步骤 | 第26-27页 |
| 3.4 本章小结 | 第27-29页 |
| 第4章 基于邻域搜索的改进最大最小蚁群算法 | 第29-35页 |
| 4.1 算法的改进策略 | 第29-31页 |
| 4.1.1 信息素大小的限定 | 第29页 |
| 4.1.2 转态转移概率函数 | 第29-30页 |
| 4.1.3 信息素更新方式 | 第30页 |
| 4.1.4 邻域搜索结构模型 | 第30-31页 |
| 4.2 IMMACA算法步骤 | 第31页 |
| 4.3 实验结果与分析 | 第31-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第5章 基于MapReduce的最大最小蚁群算法 | 第35-52页 |
| 5.1 云计算的相关技术 | 第35-45页 |
| 5.1.1 云计算 | 第35-38页 |
| 5.1.2 MapReduce模型概述 | 第38-42页 |
| 5.1.3 Hadoop的云计算架构体系 | 第42-45页 |
| 5.2 改进最大最小蚁群算法的MapReduce实现 | 第45-48页 |
| 5.2.1 MRMMACO算法的具体步骤 | 第45-46页 |
| 5.2.2 Map阶段 | 第46-47页 |
| 5.2.3 Reduce阶段 | 第47-48页 |
| 5.3 实验与分析 | 第48-51页 |
| 5.3.1 实验环境 | 第48页 |
| 5.3.2 实验结果与分析 | 第48-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读项士学位期间发表学术论文情况 | 第59页 |