| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 国内外研究意义 | 第17-21页 |
| 1.2.1 自适应决策 | 第17-19页 |
| 1.2.2 基于搜索的软件工程 | 第19-20页 |
| 1.2.3 基于搜索的自适应决策 | 第20-21页 |
| 1.3 研究目标与内容 | 第21页 |
| 1.4 本文组织结构 | 第21-24页 |
| 第二章 相关理论与技术 | 第24-34页 |
| 2.1 Spark计算框架 | 第24-30页 |
| 2.1.1 Spark基本概述 | 第24-26页 |
| 2.1.2 Spark的特点与优势 | 第26页 |
| 2.1.3 Spark运行架构 | 第26-29页 |
| 2.1.4 Spark环境下的任务调度 | 第29-30页 |
| 2.2 遗传算法 | 第30-32页 |
| 2.2.1 遗传算法简介 | 第30页 |
| 2.2.2 遗传算法执行流程 | 第30-32页 |
| 2.2.3 并行遗传算法 | 第32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 基于Agent的自适应系统运行支撑平台 | 第34-40页 |
| 3.1 基于Agent的软件动态自适应过程模型 | 第34-36页 |
| 3.2 基于Agent的自适应系统运行支撑环境 | 第36-38页 |
| 3.2.1 系统支撑平台架构模型 | 第36-37页 |
| 3.2.2 系统支撑工具集 | 第37-38页 |
| 3.3 基于搜索的自适应决策框架 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于Spark并行搜索的自适应决策优化机制的研究 | 第40-50页 |
| 4.1 基于Spark并行搜索的自适应决策优化框架 | 第40-41页 |
| 4.2 基于Spark的动态任务调度策略 | 第41-44页 |
| 4.2.1 Spark中的作业调度机制 | 第41页 |
| 4.2.2 调度模型 | 第41-42页 |
| 4.2.3 节点信息监控模块 | 第42-43页 |
| 4.2.4 任务分配模型 | 第43-44页 |
| 4.3 基于Spark的粗粒度并行遗传算法 | 第44-49页 |
| 4.3.1 粗粒度并行遗传算法思想 | 第44-45页 |
| 4.3.2 种群迁移策略 | 第45-46页 |
| 4.3.3 粗粒度并行遗传算法设计 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 自适应决策优化中心的实现 | 第50-60页 |
| 5.1 自适决策优化中心架构模型 | 第50-51页 |
| 5.2 自适应决策优化中心核心模块具体实现 | 第51-57页 |
| 5.2.1 资源分配模块的实现 | 第51-54页 |
| 5.2.2 节点监控模块实现 | 第54-56页 |
| 5.2.3 并行搜索模块的实现 | 第56-57页 |
| 5.3 本章小结 | 第57-60页 |
| 第六章 实验分析 | 第60-72页 |
| 6.1 实验目的 | 第60页 |
| 6.2 测试用例概述 | 第60-64页 |
| 6.2.1 测试系统描述 | 第60-63页 |
| 6.2.2 实验环境描述 | 第63-64页 |
| 6.3 测试过程与结果分析 | 第64-70页 |
| 6.3.1 实验设计 | 第64页 |
| 6.3.2 自适应决策优化中心功能性验证及结果分析 | 第64-67页 |
| 6.3.3 基于Spark的动态任务调度策略实验 | 第67-68页 |
| 6.3.4 基于Spark的粗粒度并行遗传算法实验 | 第68-69页 |
| 6.3.5 基于Spark并行搜索的自适应决策优化机制实验 | 第69-70页 |
| 6.4 本章小节 | 第70-72页 |
| 第七章 总结与展望 | 第72-74页 |
| 7.1 本文工作总结 | 第72-73页 |
| 7.2 后续工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |
