| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 插图与表格索引 | 第10-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-15页 |
| 1.1.1 研究背景及意义 | 第12-13页 |
| 1.1.2 机遇与挑战 | 第13-15页 |
| 1.2 遗传算法的并行化研究现状 | 第15-17页 |
| 1.3 研究内容与组织结构 | 第17-20页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 组织结构 | 第18-20页 |
| 第二章 遗传算法并行化的软硬件基础 | 第20-31页 |
| 2.1 遗传算法及并行遗传算法 | 第20-26页 |
| 2.1.1 遗传算法简介 | 第20页 |
| 2.1.2 遗传算法的基本步骤 | 第20-22页 |
| 2.1.3 遗传算法的遗传算子 | 第22-23页 |
| 2.1.4 并行遗传算法 | 第23-26页 |
| 2.2 “神威·太湖之光”及国产申威众核处理器 | 第26-28页 |
| 2.3 并行开发工具 | 第28-30页 |
| 2.3.1 消息传递接口 | 第28-29页 |
| 2.3.2 加速线程库 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 遗传算法的混合并行模型的设计和实现 | 第31-60页 |
| 3.1 一级并行模型 | 第31-32页 |
| 3.2 “分岛-主从式”混合并行模型 | 第32-42页 |
| 3.2.1 “分岛—主从式”混合并行模型的设计 | 第32-34页 |
| 3.2.2 “分岛—主从式”混合并行模型的异构并行方法 | 第34-36页 |
| 3.2.3 “分岛—主从式”混合并行模型的实现 | 第36-42页 |
| 3.3 “分岛—细粒度”混合并行模型 | 第42-56页 |
| 3.3.1 “分岛—细粒度”混合并行模型的设计 | 第42-50页 |
| 3.3.2 “分岛—细粒度”混合并行模型的异构并行方法 | 第50-51页 |
| 3.3.3 “分岛—细粒度”混合并行模型的实现 | 第51-56页 |
| 3.4 使用动态迁移策略进行优化 | 第56-58页 |
| 3.5 本章小结 | 第58-60页 |
| 第四章 算法测试与结果分析 | 第60-73页 |
| 4.1 实验环境及测试函数 | 第60-62页 |
| 4.1.1 实验环境 | 第60-61页 |
| 4.1.2 测试函数 | 第61-62页 |
| 4.2 参数性能评价 | 第62页 |
| 4.3 实验结果分析 | 第62-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 结束语 | 第73-76页 |
| 5.1 工作总结 | 第73-74页 |
| 5.2 未来工作展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 附录 | 第81-83页 |
| 致谢 | 第83-84页 |
| 硕士在读期间科研成果 | 第84页 |