| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 云工作流调度的研究现状 | 第16-17页 |
| 1.3 进化多目标优化的发展历史和研究现状 | 第17-19页 |
| 1.4 论文的主要工作和组织安排 | 第19-21页 |
| 第二章 基本理论和方法 | 第21-33页 |
| 2.1 云工作流调度相关介绍 | 第21-26页 |
| 2.1.1 云计算环境 | 第21-23页 |
| 2.1.2 云工作流 | 第23-26页 |
| 2.1.3 云工作流调度 | 第26页 |
| 2.2 多目标优化问题描述 | 第26-28页 |
| 2.2.1 多目标优化问题的数学模型 | 第26-27页 |
| 2.2.2 Pareto支配与Pareto最优解 | 第27页 |
| 2.2.3 Pareto最优解集与Pareto最优前沿 | 第27-28页 |
| 2.3 MOEA/D算法 | 第28-31页 |
| 2.3.1 常用分解方法 | 第28-30页 |
| 2.3.2 MOEA/D算法 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 云工作流调度目标的冲突性分析 | 第33-49页 |
| 3.1 云工作流调度模型 | 第33-35页 |
| 3.1.2 任务模型 | 第34页 |
| 3.1.3 资源模型 | 第34-35页 |
| 3.1.4 调度模型 | 第35页 |
| 3.2 云工作流调度目标 | 第35-39页 |
| 3.2.1 调度目标 | 第35-36页 |
| 3.2.2 调度目标函数 | 第36-39页 |
| 3.3 云工作流调度目标的冲突性分析 | 第39-42页 |
| 3.3.1 基于正交试验设计的决策空间采样 | 第39-41页 |
| 3.3.2 目标空间的非线性冲突性评价 | 第41-42页 |
| 3.4 实验结果及分析 | 第42-48页 |
| 3.4.1 实验对象 | 第42-44页 |
| 3.4.2 实验结果和分析 | 第44-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于改进MOEA/D算法的云工作流调度方法 | 第49-67页 |
| 4.1 MOEA/D算法分析 | 第49-51页 |
| 4.1.1 MOEA/D算法求解策略 | 第49-51页 |
| 4.1.2 MOEA/D算法解的分布 | 第51页 |
| 4.2 MOEA/D算法的改进 | 第51-56页 |
| 4.2.1 权向量的调整 | 第51-54页 |
| 4.2.2 局部搜索 | 第54页 |
| 4.2.3 基于局部搜索和权向量调整的MOEA/D算法 | 第54-56页 |
| 4.3 基于改进MOEA/D算法的云工作流调度方法 | 第56-57页 |
| 4.3.1 调度模型 | 第56页 |
| 4.3.2 调度方法 | 第56-57页 |
| 4.4 实验结果及分析 | 第57-65页 |
| 4.4.1 实验评价指标 | 第57-58页 |
| 4.4.2 实验参数设置 | 第58-59页 |
| 4.4.3 基于时间和执行代价模型的实验结果和分析 | 第59-62页 |
| 4.4.4 基于时间和传输代价模型的实验结果和分析 | 第62-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 论文工作总结 | 第67页 |
| 5.2 研究展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
