| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 研究的主要内容 | 第16页 |
| 1.4 论文章节安排 | 第16-19页 |
| 第二章 大数据平台与Hadoop框架 | 第19-25页 |
| 2.1 大数据平台的介绍 | 第19页 |
| 2.2 Hadoop及其关键技术 | 第19-22页 |
| 2.2.2 分布式文件系统HDFS | 第19-20页 |
| 2.2.3 Mapreduce编程模型 | 第20-22页 |
| 2.2.4 HBase | 第22页 |
| 2.3 Storm介绍 | 第22-23页 |
| 2.4 Spark介绍 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 试验计划调度与遗传算法 | 第25-39页 |
| 3.1 试验计划调度问题概述 | 第25-26页 |
| 3.1.1 试验计划调度问题的描述 | 第25页 |
| 3.1.2 试验计划调度的要素及其特点 | 第25-26页 |
| 3.2 试验计划调度的研究方法 | 第26-28页 |
| 3.3 遗传算法概述 | 第28-36页 |
| 3.3.1 遗传算法的基本概念 | 第28-29页 |
| 3.3.2 遗传算法的参数 | 第29-30页 |
| 3.3.3 遗传算法操作流程 | 第30-36页 |
| 3.4 遗传算法的特点 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于遗传算法的总完工时间极小化模型设计与实现 | 第39-51页 |
| 4.1 试验检测计划模型的数学问题描述 | 第39-40页 |
| 4.2 试验计划模型的遗传算法参数设计 | 第40-45页 |
| 4.2.1 编码 | 第40-43页 |
| 4.2.2 生成初始种群 | 第43页 |
| 4.2.3 适应度函数 | 第43页 |
| 4.2.4 遗传操作 | 第43-45页 |
| 4.2.5 算法终止条件 | 第45页 |
| 4.3 实例分析 | 第45-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于Hadoop的遗传算法设计与实现 | 第51-65页 |
| 5.1 并行遗传算法介绍 | 第51-54页 |
| 5.1.1 遗传算法的并行性分析 | 第51-52页 |
| 5.1.2 并行遗传算法的实现方法 | 第52-54页 |
| 5.2 遗传算法的MapReduce并行化实现 | 第54-58页 |
| 5.2.1 遗传算法的横向策略实现模型 | 第54页 |
| 5.2.2 遗传算法的纵向策略实现模型 | 第54-55页 |
| 5.2.3 基于Hadoop中横向策略的粗粒度并行遗传算法设计 | 第55-58页 |
| 5.3 实验分析 | 第58-64页 |
| 5.3.1 实验数据及实验平台 | 第58-62页 |
| 5.3.2 算法实现步骤 | 第62-63页 |
| 5.3.3 实验结果及分析 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结和展望 | 第65-67页 |
| 6.1 论文总结 | 第65页 |
| 6.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |