| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 课题背景和意义 | 第7页 |
| 1.2 相关技术国内外研究现状 | 第7-8页 |
| 1.2.1 并行编程模型的研究现状 | 第7-8页 |
| 1.2.2 水库调度系统研究现状 | 第8页 |
| 1.3 研究内容 | 第8-9页 |
| 1.4 论文组织结构 | 第9-11页 |
| 2 相关技术与基本理论 | 第11-19页 |
| 2.1 Spark相关技术 | 第11-16页 |
| 2.1.1 Spark大数据处理框架 | 第11-12页 |
| 2.1.2 Spark核心思想 | 第12-13页 |
| 2.1.3 Spark工作原理 | 第13-15页 |
| 2.1.4 HDFS分布式文件系统 | 第15-16页 |
| 2.2 算法并行化技术 | 第16-19页 |
| 2.2.1 并行算法编程模型 | 第16-17页 |
| 2.2.2 并行算法设计方法 | 第17-19页 |
| 3 黑河流域水库群多目标优化调度分析 | 第19-23页 |
| 3.1 水库群多目标优化调度简介 | 第19页 |
| 3.2 黑河流域水资源问题分析 | 第19-20页 |
| 3.3 黑河流域水库群调度多目标优化调度问题的转化 | 第20-23页 |
| 3.3.1 多目标转化为单目标的方法 | 第20页 |
| 3.3.2 黑河流域水库群多目标优化调度问题求解 | 第20-23页 |
| 4 基于Spark与粒子群算法的水库群优化调度求解 | 第23-49页 |
| 4.1 粒子群算法并行性分析 | 第23-24页 |
| 4.2 基于Spark的粒子群算法并行化实现 | 第24-29页 |
| 4.2.1 基于Spark平台并行编程的步骤 | 第24-25页 |
| 4.2.2 基于Spark平台的粒子群算法并行化实现 | 第25-29页 |
| 4.3 基于Spark的水库群优化调度系统环境搭建与数据存储 | 第29-43页 |
| 4.3.1 Spark大数据计算框架环境搭建 | 第29-35页 |
| 4.3.1.1 Spark集群构建 | 第29-31页 |
| 4.3.1.2 Spark部署模式 | 第31-35页 |
| 4.3.2 黑河流域数据准备与存储 | 第35-43页 |
| 4.3.2.1 数据准备 | 第36-38页 |
| 4.3.2.2 数据存储 | 第38-43页 |
| 4.4 水库群多目标优化调度系统运行结果 | 第43-46页 |
| 4.4.1 任务提交及结果展示 | 第43-44页 |
| 4.4.2 利用SparkSQL查询调度结果 | 第44-46页 |
| 4.5 水库群多目标优化调度系统性能测试 | 第46-49页 |
| 4.5.1 串行程序并行化后的性能测试 | 第46页 |
| 4.5.2 在Spark平台运行的并行程序性能测试 | 第46-49页 |
| 5 基于Spark的水库群多目标优化调度系统应用平台开发 | 第49-59页 |
| 5.1 应用平台需求概述 | 第49页 |
| 5.2 应用平台设计 | 第49-54页 |
| 5.2.1 应用平台软件模块结构 | 第49-50页 |
| 5.2.2 应用平台软件模块设计 | 第50-54页 |
| 5.3 应用平台典型界面展示 | 第54-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-65页 |
