| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 引言 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 2 基本理论和相关技术 | 第15-26页 |
| 2.1 TSP问题概述 | 第15页 |
| 2.2 遗传算法 | 第15-18页 |
| 2.2.1 遗传算法概述 | 第15-17页 |
| 2.2.2 遗传算法基本原理 | 第17-18页 |
| 2.3 分布式计算技术 | 第18-20页 |
| 2.4 开源分布式行计算平台Hadoop | 第20-23页 |
| 2.4.1 Hadoop平台的基本架构 | 第20-21页 |
| 2.4.2 分布式文件系统HDFS | 第21页 |
| 2.4.3 分布式计算框架MapReduce | 第21-23页 |
| 2.5 其它分布式计算平台 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 3 基于遗传算法求解TSP问题的方法及优化 | 第26-44页 |
| 3.1 编码方式和种群初始化 | 第26-28页 |
| 3.1.1 种群初始化的优化 | 第27-28页 |
| 3.2 评价函数设定 | 第28页 |
| 3.3 选择策略 | 第28-31页 |
| 3.3.1 选择策略的优化 | 第30-31页 |
| 3.4 交叉操作 | 第31-36页 |
| 3.4.1 交叉算子参数分析 | 第33-35页 |
| 3.4.2 交叉算子优化 | 第35-36页 |
| 3.5 变异操作 | 第36-40页 |
| 3.5.1 变异算子参数分析 | 第38-40页 |
| 3.5.2 变异算子优化 | 第40页 |
| 3.6 求解TSP问题的仿真实验 | 第40-43页 |
| 3.7 本章小结 | 第43-44页 |
| 4 基于MapReduce的遗传算法及TSP实验分析 | 第44-57页 |
| 4.1 算法描述 | 第44-47页 |
| 4.2 Map端设计 | 第47-48页 |
| 4.3 Reduce端设计 | 第48-49页 |
| 4.4 Hadoop实验平台搭建 | 第49-51页 |
| 4.4.1 集群配置 | 第49-51页 |
| 4.4.2 Hadoop平台结合Eclipse的搭建 | 第51页 |
| 4.5 MapReduce参数优化 | 第51-52页 |
| 4.6 实验结果与分析 | 第52-56页 |
| 4.7 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-60页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简介 | 第64页 |