摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第10-15页 |
1.1 背景及意义 | 第10-11页 |
1.1.1 TSP问题背景 | 第10页 |
1.1.2 研究TSP问题的意义 | 第10-11页 |
1.2 研究现状 | 第11-12页 |
1.2.1 TSP问题的发展阶段 | 第11-12页 |
1.2.2 TSP问题的已有的研究成果 | 第12页 |
1.3 研究内容 | 第12-13页 |
1.4 组织结构 | 第13-14页 |
1.5 本章小结 | 第14-15页 |
第二章 TSP问题及MapReduce模型介绍 | 第15-24页 |
2.1 TSP问题定义 | 第15-16页 |
2.1.1 TSP问题的描述 | 第15页 |
2.1.2 TSP问题的数学模型 | 第15-16页 |
2.2 TSP问题已有解决方法概述 | 第16-21页 |
2.2.1 TSP问题精确解决算法 | 第16-17页 |
2.2.2 TSP问题近似算法 | 第17-21页 |
2.3 Hadoop平台及MapReduce模型简介 | 第21-23页 |
2.3.1 Hadoop平台介绍 | 第21-22页 |
2.3.2 MapReduce模型简介 | 第22-23页 |
2.4 本章小节 | 第23-24页 |
第三章 基于MapReduce模型求解MST算法 | 第24-32页 |
3.1 最小生成树MST定义及基本算法 | 第24-26页 |
3.1.1 最小生成树MST定义 | 第24页 |
3.1.2 求解MST基本算法 | 第24-26页 |
3.2 基于MapReduce模型的MST算法 | 第26-31页 |
3.2.1 算法概述 | 第26页 |
3.2.2 算法设计及流程图 | 第26-27页 |
3.2.3 算法核心代码及时间复杂度分析 | 第27-31页 |
3.3 初始环路生成 | 第31页 |
3.3.1 Christofides算法概述及初始环路的生成 | 第31页 |
3.4 本章小结 | 第31-32页 |
第四章 基于MapReduce模型实现K-OPT算法 | 第32-38页 |
4.1 K-OPT算法及基本应用 | 第32-33页 |
4.1.1 K-OPT算法概述 | 第32页 |
4.1.2 K-OPT算法在LKH算法中的应用 | 第32-33页 |
4.2 基于MapReduce模型实现K-OPT算法 | 第33-37页 |
4.2.1 算法概述 | 第33页 |
4.2.2 算法设计及流程图 | 第33-35页 |
4.2.3 算法核心代码及时间复杂度分析 | 第35-37页 |
4.3 本章小结 | 第37-38页 |
第五章 TSP优化路径和模型统计分析 | 第38-59页 |
5.1 完全图的TSP随机路径 | 第38-42页 |
5.1.1 完全图的TSP随机路径算法概述 | 第38-41页 |
5.1.2 基于MapReduce模型生成完全图的TSP随机路径 | 第41-42页 |
5.2 穷举完全图的所有TSP路径 | 第42-46页 |
5.3 TSP路径模型的统计分析 | 第46-58页 |
5.3.1 广义Beta分布作为随机TSP问题的概率密度函数 | 第48-49页 |
5.3.2 TSPLIB实例服从广义Beta分布的概率密度函数 | 第49-50页 |
5.3.3 基于Christofides算法的截取广义Beta概率分布(Truncated GeneralizedBeta Distribution) | 第50-58页 |
5.4 本章小结 | 第58-59页 |
第六章 算法性能评估与测试 | 第59-73页 |
6.1 实验环境及配置 | 第59页 |
6.1.1 实验硬件环境 | 第59页 |
6.1.2 实验软件环境 | 第59页 |
6.2 实验结果展示及分析 | 第59-72页 |
6.2.1 基于MapReduce模型生成最小生成树算法测试及分析 | 第60-64页 |
6.2.2 基于MapReduce模型K-OPT算法测试及分析 | 第64-67页 |
6.2.3 TSP优化路径特征的统计分析测试及分析 | 第67-72页 |
6.3 本章小结 | 第72-73页 |
第七章 总结与展望 | 第73-75页 |
7.1 本文总结 | 第73-74页 |
7.2 存在的问题与不足 | 第74页 |
7.3 未来工作展望 | 第74-75页 |
致谢 | 第75-76页 |
参考文献 | 第76-78页 |
攻读硕士期间取得的研究成果 | 第78-79页 |