基于Spark的并行遗传算法及其在TSP问题中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 遗传算法的背景与发展 | 第9-15页 |
| 1.1.1 遗传算法的起源 | 第9页 |
| 1.1.2 遗传算法的发展过程 | 第9-10页 |
| 1.1.3 遗传算法的应用领域 | 第10-12页 |
| 1.1.4 遗传算法所面临的问题 | 第12-15页 |
| 1.2 分布式的并行遗传算法 | 第15-19页 |
| 1.2.1 分布式计算和并行计算的演变发展 | 第15-16页 |
| 1.2.2 分布式并行遗传算法的研究意义和可行性 | 第16-19页 |
| 第二章 遗传算法的相关概念与技术 | 第19-27页 |
| 2.1 遗传算法流程 | 第19-20页 |
| 2.2 遗传算法的特点 | 第20-21页 |
| 2.3 遗传算法的原理 | 第21-22页 |
| 2.3.1 遗传算法的数学原理 | 第21-22页 |
| 2.4 遗传算法进化阶段策略选择 | 第22-27页 |
| 2.4.1 合适的编码策略 | 第22-23页 |
| 2.4.2 遗传算子的选择 | 第23-25页 |
| 2.4.3 参数的调整 | 第25-27页 |
| 第三章 遗传算法的并行化处理 | 第27-33页 |
| 3.1 粗粒度并行模式 | 第27-29页 |
| 3.1.1 粗粒度并行的实现模式 | 第27-28页 |
| 3.1.2 粗粒度并行的性能分析 | 第28-29页 |
| 3.2 细粒度并行模式 | 第29-30页 |
| 3.2.1 细粒度并行的实现模式 | 第29-30页 |
| 3.2.2 细粒度并行模式的性能分析 | 第30页 |
| 3.3 仿细粒度并行模式的设计 | 第30-33页 |
| 3.3.1 收敛性分析 | 第31-32页 |
| 3.3.2 加速比分析 | 第32-33页 |
| 第四章 并行遗传算法的分布式实现 | 第33-43页 |
| 4.1 分布式计算 | 第33-34页 |
| 4.2 分布式并行平台 | 第34-36页 |
| 4.3 spark简介与其他并行方案的比较 | 第36-39页 |
| 4.3.1 Spark | 第36-37页 |
| 4.3.2 Spark的优势 | 第37-38页 |
| 4.3.3 Spark与其他平台对比 | 第38-39页 |
| 4.4 基于Spark的遗传算法的实现 | 第39-43页 |
| 4.4.1 RDD | 第39-40页 |
| 4.4.2 基于SFCPGA的TSP求解流程 | 第40-43页 |
| 第五章 并行遗传算法在TSP问题中的应用 | 第43-53页 |
| 5.1 旅行商问题 | 第43-45页 |
| 5.1.1 旅行商问题的现状和瓶颈 | 第43-44页 |
| 5.1.2 旅行商问题的应用 | 第44-45页 |
| 5.2 实验数据和测试依据 | 第45-46页 |
| 5.3 实验结果分析 | 第46-53页 |
| 5.3.1 计算结果分析 | 第46-48页 |
| 5.3.2 算法运行时间对比 | 第48-50页 |
| 5.3.3 算法的收敛效率对比 | 第50-53页 |
| 第六章 结论与展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读学位期间所取得的相关科研成果 | 第61-63页 |
| 致谢 | 第63-64页 |
