| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 主要符号表 | 第15-17页 |
| 1 绪论 | 第17-41页 |
| 1.1 研究背景与意义 | 第17-19页 |
| 1.2 国内外相关工作研究进展 | 第19-38页 |
| 1.2.1 工程中的优化问题 | 第19-21页 |
| 1.2.2 工程优化的方法和常用算法 | 第21-27页 |
| 1.2.3 高性能计算技术在工程优化中的应用 | 第27-30页 |
| 1.2.4 计算研究现状 | 第30-36页 |
| 1.2.5 计算的任务调度问题 | 第36-38页 |
| 1.3 本文主要研究思路 | 第38-41页 |
| 2 基于信息熵的期望提高准则及其Kriging并行优化方法 | 第41-70页 |
| 2.1 引言 | 第41页 |
| 2.2 基于Kriging代理模型的序列优化方法 | 第41-49页 |
| 2.2.1 取样方法 | 第41-44页 |
| 2.2.2 Kriging代理模型简介 | 第44-45页 |
| 2.2.3 加点准则 | 第45-47页 |
| 2.2.4 使用EI准则的Kriging代理模型优化方法 | 第47-49页 |
| 2.3 基于信息熵的期望提高准则 | 第49-51页 |
| 2.4 Kriging并行优化策略 | 第51-52页 |
| 2.5 测试算例 | 第52-69页 |
| 2.5.1 数学算例 | 第52-60页 |
| 2.5.2 工程算例 | 第60-65页 |
| 2.5.3 并行效率 | 第65-66页 |
| 2.5.4 结果分析与讨论 | 第66-68页 |
| 2.5.5 汽轮机基础优化软件 | 第68-69页 |
| 2.6 本章小结 | 第69-70页 |
| 3 基于Kriging代理模型的动态云任务调度方法 | 第70-87页 |
| 3.1 引言 | 第70页 |
| 3.2 调度的目标函数确立 | 第70-74页 |
| 3.3 基于应用的抽样 | 第74-75页 |
| 3.4 云任务资源配置的优化 | 第75-76页 |
| 3.5 云任务的资源重新调度 | 第76-78页 |
| 3.6 作业执行流程 | 第78-79页 |
| 3.7 测试算例 | 第79-86页 |
| 3.7.1 汽轮机基础优化设计 | 第79-82页 |
| 3.7.2 建筑节能设计 | 第82-84页 |
| 3.7.3 结果分析与讨论 | 第84-86页 |
| 3.8 本章小结 | 第86-87页 |
| 4 基于Kriging的云任务预测和分配方法及工程优化云平台建设 | 第87-114页 |
| 4.1 引言 | 第87页 |
| 4.2 基于Kriging代理模型的云任务预测和分配方法 | 第87-89页 |
| 4.2.1 设计变量和目标函数 | 第87-88页 |
| 4.2.2 云任务的预测和分配方法 | 第88-89页 |
| 4.3 工程优化云平台建设 | 第89-100页 |
| 4.3.1 平台组件设计 | 第89-93页 |
| 4.3.2 平台核心功能开发 | 第93-96页 |
| 4.3.3 平台架构 | 第96-98页 |
| 4.3.4 用户使用流程 | 第98-100页 |
| 4.4 测试算例 | 第100-113页 |
| 4.4.1 耗散粒子动力学的液体生成模拟 | 第101-103页 |
| 4.4.2 注塑成型的翘曲优化 | 第103-106页 |
| 4.4.3 汽轮机基础优化设计 | 第106-108页 |
| 4.4.4 结果分析与讨论 | 第108-113页 |
| 4.5 本章小结 | 第113-114页 |
| 5 结论与展望 | 第114-118页 |
| 5.1 结论 | 第114-116页 |
| 5.2 创新点 | 第116-117页 |
| 5.3 展望 | 第117-118页 |
| 参考文献 | 第118-126页 |
| 攻读博士学位期间科研项目及科研成果 | 第126-127页 |
| 致谢 | 第127-128页 |
| 作者简介 | 第128页 |
