基于Hama的并行蚁群算法公交驾驶员排班问题研究
| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第15-19页 |
| 1.1 研究背景与意义 | 第15页 |
| 1.2 研究方法 | 第15-16页 |
| 1.3 研究路线 | 第16-19页 |
| 2 国内外研究现状 | 第19-31页 |
| 2.1 公交驾驶员排班问题综述 | 第19-20页 |
| 2.2 蚁群算法研究综述 | 第20-25页 |
| 2.3 并行计算模型与框架发展综述 | 第25-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 公交驾驶员排班问题模型与求解方法 | 第31-41页 |
| 3.1 驾驶员排班问题的相关概念 | 第31-33页 |
| 3.2 公交驾驶员排班问题的模型 | 第33-34页 |
| 3.3 公交驾驶员排班问题的求解 | 第34-39页 |
| 3.3.1 生成可行班型 | 第35-36页 |
| 3.3.2 基于蚁群算法求解的基本步骤 | 第36-39页 |
| 3.4 本章小结 | 第39-41页 |
| 4 基于HAMA的并行蚁群算法设计与实现 | 第41-61页 |
| 4.1 BSP模型与Hama框架平台简介 | 第41-45页 |
| 4.1.1 BSP模型 | 第41-45页 |
| 4.1.2 Hama框架平台 | 第45页 |
| 4.3 基础蚁群算法选择 | 第45-46页 |
| 4.4 并行策略的选择 | 第46-48页 |
| 4.5 粗粒度主从式互并行蚁群算法 | 第48-53页 |
| 4.5.1 消息传递与处理 | 第49-51页 |
| 4.5.2 信息素更新策略 | 第51页 |
| 4.5.3 算法流程设计 | 第51-53页 |
| 4.6 粗粒度最优解并行蚁群算法 | 第53-58页 |
| 4.6.1 消息传递与处理 | 第54-55页 |
| 4.6.2 信息素更新策略 | 第55页 |
| 4.6.3 算法流程设计 | 第55-58页 |
| 4.7 两种并行蚁群算法主要数据结构 | 第58-60页 |
| 4.8 本章小结 | 第60-61页 |
| 5 公交驾驶员排班问题案例分析 | 第61-79页 |
| 5.1 构建并行运算环境 | 第61-65页 |
| 5.1.1 Hama编程思路 | 第61-62页 |
| 5.1.2 构建Hama集群运算平台 | 第62-63页 |
| 5.1.3 平台功能性测试 | 第63-65页 |
| 5.2 可行班型生成 | 第65-69页 |
| 5.3 问题求解与结果对比 | 第69-77页 |
| 5.3.1 基本蚁群算法求解 | 第70-73页 |
| 5.3.2 并行蚁群算法求解与效果对比 | 第73-77页 |
| 5.4 本章小结 | 第77-79页 |
| 6 总结与展望 | 第79-81页 |
| 6.1 论文总结 | 第79-80页 |
| 6.2 研究展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 附录A | 第87-95页 |
| 附录B | 第95-103页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第103-107页 |
| 学位论文数据集 | 第107页 |
