| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 云计算的发展历程 | 第10-13页 |
| 1.2.2 最短路径算法的研究发展 | 第13-15页 |
| 1.3 论文的主要工作及结构安排 | 第15-16页 |
| 第二章 云计算相关技术 | 第16-32页 |
| 2.1 Google云计算关键技术 | 第16-25页 |
| 2.1.1 Google文件系统GFS | 第16-20页 |
| 2.1.2 Google分布式计算编程模型Map Reduce | 第20-23页 |
| 2.1.3 分布式数据管理技术Big Table | 第23-25页 |
| 2.2 云计算平台Hadoop关键技术 | 第25-31页 |
| 2.2.1 Hadoop概述 | 第26-28页 |
| 2.2.2 分布式文件系统HDFS | 第28-29页 |
| 2.2.3 分布式数据库HBase | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 常用最短路径算法介绍与分析 | 第32-37页 |
| 3.1 Dijkstra算法 | 第32-33页 |
| 3.2 Floyd算法 | 第33页 |
| 3.3 A*算法 | 第33-34页 |
| 3.4 双向搜求算法 | 第34-35页 |
| 3.5 蚁群算法 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于云计算的并行蚁群算法 | 第37-49页 |
| 4.1 基本蚁群算法 | 第37-42页 |
| 4.1.1 蚁群算法基本原理 | 第37-41页 |
| 4.1.2 蚁群算法优缺点分析 | 第41-42页 |
| 4.2 蚁群算法的改进 | 第42-45页 |
| 4.2.1 状态迁移规则的改进 | 第42-43页 |
| 4.2.2 外激素更新规则的改进 | 第43-45页 |
| 4.3 基于云计算并行蚁群算法的设计 | 第45-48页 |
| 4.3.1 基于云计算蚁群算法的并行策略 | 第45-46页 |
| 4.3.2 基于云计算的并行蚁群算法的设计 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 算法的实现及实验结果分析 | 第49-62页 |
| 5.1 交通网数据结构设计 | 第49-50页 |
| 5.2 交通网网络图的创建 | 第50-51页 |
| 5.3 路网模型的创建和数据存储 | 第51-55页 |
| 5.3.1 交通数据的准备操作 | 第51页 |
| 5.3.2 路网模型的建立和存储 | 第51-52页 |
| 5.3.3 求解最短路径问题的步骤 | 第52页 |
| 5.3.4 路段权重的确定 | 第52-54页 |
| 5.3.5 交通数据的处理 | 第54-55页 |
| 5.4 基于云计算的蚁群算法的实现 | 第55-57页 |
| 5.5 Hadoop平台搭建 | 第57-58页 |
| 5.6 实验结果与分析 | 第58-61页 |
| 5.7 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文工作总结 | 第62页 |
| 6.2 不足和展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录1 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |