| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景及研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 VRP问题研究综述 | 第13-15页 |
| 1.2.2 蚁群算法综述 | 第15-17页 |
| 1.2.3 蚁群算法求解VRP综述 | 第17-18页 |
| 1.2.4 蚁群算法并行化综述 | 第18-19页 |
| 1.3 本文研究工作 | 第19-20页 |
| 1.4 本文章节安排 | 第20-21页 |
| 第2章 基本理论 | 第21-33页 |
| 2.1 VRPTW问题的模型 | 第21-23页 |
| 2.2 蚁群算法基本原理 | 第23-25页 |
| 2.3 基础模型及流程 | 第25-28页 |
| 2.4 Spark框架简介 | 第28-32页 |
| 2.4.1 Spark基本介绍 | 第28页 |
| 2.4.2 Spark历史和发展 | 第28-29页 |
| 2.4.3 BDAS | 第29-31页 |
| 2.4.4 Spark的优势 | 第31-32页 |
| 2.5 Spark与Hadoop的区别 | 第32-33页 |
| 第3章 改进蚁群算法求解VRPTw | 第33-45页 |
| 3.1 可行解的构建 | 第33-34页 |
| 3.2 信息素的更新策略 | 第34-35页 |
| 3.3 路径的优化策略 | 第35-42页 |
| 3.4 算法的实现步骤 | 第42-45页 |
| 第4章 基于spark和Hadoop的并行蚁群优化算法 | 第45-65页 |
| 4.1 Hadoop关键技术介绍 | 第45-46页 |
| 4.2 Hadoop分布式实现 | 第46-49页 |
| 4.2.1 算法流程 | 第46-48页 |
| 4.2.2 主要函数介绍 | 第48-49页 |
| 4.3 Spark关键技术介绍 | 第49-50页 |
| 4.4 Spark分布式实现 | 第50-53页 |
| 4.5 实验及分析 | 第53-65页 |
| 4.5.1 实验环境及参数设置 | 第53-56页 |
| 4.5.2 实验结果比较 | 第56-60页 |
| 4.5.3 收敛性分析 | 第60-62页 |
| 4.5.4 扩展性分析 | 第62-65页 |
| 第5章 结论和进一步工作 | 第65-69页 |
| 5.1 本文的创新点 | 第66页 |
| 5.2 存在的问题和进一步工作 | 第66-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间参与的项目与成果 | 第75-77页 |
| 致谢 | 第77页 |