| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第9-13页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 云计算研究现状 | 第10页 |
| 1.2.2 蚁群算法研究现状 | 第10-11页 |
| 1.3 论文内容及组织结构 | 第11-13页 |
| 2 基本蚁群算法求解TSP问题 | 第13-20页 |
| 2.1 蚁群算法的基本思想 | 第13页 |
| 2.2 蚁群算法求解TSP的数学模型 | 第13-14页 |
| 2.3 蚁群算法的程序流程 | 第14-15页 |
| 2.4 蚁群算法的参数选择 | 第15-19页 |
| 2.4.1 信息素挥发因子 | 第16页 |
| 2.4.2 信息启发式因子 | 第16-17页 |
| 2.4.3 期望启发式因子 | 第17-18页 |
| 2.4.4 α、β、ρ参数配置策略 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 基于MapReduce的混沌蚁群优化算法 | 第20-29页 |
| 3.1 Hadoop平台简述 | 第20-22页 |
| 3.1.1 HDFS分布式文件系统 | 第21-22页 |
| 3.1.2 MapReduce并行计算模型 | 第22页 |
| 3.2 基本蚁群算法的改进策略 | 第22-26页 |
| 3.2.1 轮盘赌策略 | 第23-24页 |
| 3.2.2 混沌扰动策略 | 第24-25页 |
| 3.2.3 遗传变异操作 | 第25-26页 |
| 3.3 MCACO算法核心思想 | 第26-28页 |
| 3.3.1 MCACO算法实现步骤 | 第26-27页 |
| 3.3.2 MCACO算法流程图 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4 基于Spark的混沌蚁群优化算法 | 第29-38页 |
| 4.1 Spark平台简述 | 第29-32页 |
| 4.1.1 RDD弹性分布式数据集 | 第30-31页 |
| 4.1.2 Spark共享变量 | 第31页 |
| 4.1.3 Spark并行计算模型 | 第31-32页 |
| 4.2 Spark编程实践 | 第32-34页 |
| 4.3 SCACO算法核心思想 | 第34-37页 |
| 4.3.1 SCACO算法实现步骤 | 第35-36页 |
| 4.3.2 SCACO算法流程图 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5 实验结果与分析 | 第38-45页 |
| 5.1 云计算平台相关配置 | 第38页 |
| 5.2 实验设计与结果分析 | 第38-43页 |
| 5.2.1 Spark集群节点对运行时间的影响 | 第38-39页 |
| 5.2.2 ACO、MCACO和SCACO算法的运行时间 | 第39-41页 |
| 5.2.3 ACO、MCACO和SCACO算法的运行结果 | 第41-43页 |
| 5.3 本章小结 | 第43-45页 |
| 6 总结与展望 | 第45-46页 |
| 6.1 总结 | 第45页 |
| 6.2 展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 作者简介 | 第50页 |