基于群智能优化算法的云计算任务调度策略研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及选题意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 云计算的特点 | 第9-12页 |
| 1.2.2 云计算的体系结构 | 第12-14页 |
| 1.3 论文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 云计算及其任务调度相关研究 | 第16-24页 |
| 2.1 云环境下任务调度概述 | 第16-18页 |
| 2.2 云环境下任务调度特点与目标 | 第18-20页 |
| 2.3 云环境下任务调度算法 | 第20-22页 |
| 2.3.1 以性能为中心云任务调度 | 第20-21页 |
| 2.3.2 以经济效益为中心任务调度 | 第21页 |
| 2.3.3 以服务质量为中心任务调度 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 考虑可信度与负载均衡的任务调度 | 第24-32页 |
| 3.1 相关知识介绍 | 第24-26页 |
| 3.1.1 蚁群优化算法 | 第24-25页 |
| 3.1.2 可信度 | 第25-26页 |
| 3.2 相关约束及定义 | 第26-29页 |
| 3.2.1 可信度的定义与更新 | 第26-27页 |
| 3.2.2 负载均衡因子的定义 | 第27-28页 |
| 3.2.3 负载均衡程度评价函数 | 第28-29页 |
| 3.3 基于CTLBACO的云任务调度算法设计 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 考虑任务执行时间与成本的工作流任务调度 | 第32-42页 |
| 4.1 相关知识介绍 | 第32-33页 |
| 4.1.1 遗传算法 | 第32页 |
| 4.1.2 粒子群优化算法 | 第32-33页 |
| 4.2 相关约束及定义 | 第33-35页 |
| 4.2.1 工作流调度的数学模型 | 第33-34页 |
| 4.2.2 工作流调度的适应度函数 | 第34-35页 |
| 4.3 基于改进粒子群算法的云任务调度策略 | 第35-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 仿真与实验 | 第42-52页 |
| 5.1 CloudSim介绍 | 第42-44页 |
| 5.2 CloudSim的工作方式 | 第44-45页 |
| 5.3 仿真实验与结果分析 | 第45-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 6.1 工作总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读学位期间的研究成果 | 第60页 |
