| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 图表清单 | 第8-10页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景及其意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·云计算 | 第12-14页 |
| ·最短路径查询算法的国内外研究现状 | 第14-16页 |
| ·论文的主要工作及章节安排 | 第16-17页 |
| 第二章 云计算和路径诱导算法 | 第17-32页 |
| ·云计算关键技术 | 第17-23页 |
| ·文件系统 GFS | 第17-19页 |
| ·分布式计算编程模型 MapReduce | 第19-22页 |
| ·分布式数据管理技术 BigTable | 第22-23页 |
| ·云计算平台—Hadoop | 第23-28页 |
| ·Hadoop 概述 | 第24页 |
| ·Hadoop 的数据管理 | 第24-28页 |
| ·几种常用的路径诱导算法介绍与分析 | 第28-31页 |
| ·Dijkstra 算法 | 第28页 |
| ·Floyd 算法 | 第28-29页 |
| ·启发式搜索算法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于云计算的并行蚁群算法 | 第32-43页 |
| ·基本蚁群算法 | 第32-37页 |
| ·蚁群算法基本原理 | 第32-36页 |
| ·蚁群算法的特点 | 第36-37页 |
| ·改进蚁群算法 | 第37-39页 |
| ·改进状态转移规则 | 第37-38页 |
| ·改进信息素更新规则 | 第38-39页 |
| ·基于云计算并行蚁群算法的设计 | 第39-42页 |
| ·基于云计算蚁群算法的并行策略 | 第39-40页 |
| ·基于云计算的并行蚁群算法的设计 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于云计算的并行蚁群算法的实现及实验结果分析 | 第43-60页 |
| ·交通网数据结构设计 | 第43-46页 |
| ·交通网数据的生成 | 第46-50页 |
| ·路网的抽象 | 第46-47页 |
| ·路网模型的创建和数据存储 | 第47页 |
| ·最短路径问题的一般求解过程 | 第47-48页 |
| ·路段权重的确定 | 第48-49页 |
| ·交通数据的处理与实时更新 | 第49-50页 |
| ·基于云计算的并行蚁群算法的实现 | 第50-53页 |
| ·Hadoop 平台搭建及实验结果分析 | 第53-59页 |
| ·Hadoop 平台及其基本配置 | 第53-57页 |
| ·实验结果与分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·论文工作总结 | 第60页 |
| ·进一步研究展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 在学期间的研究成果及发表的学术论文 | 第66-67页 |
| 附录 | 第67-73页 |
| 附录 1 Ant 类部分代码 | 第67-72页 |
| 附录 2 Reduce 类中更新信息素函数部分代码 | 第72-73页 |