云环境下基于预测的资源调度研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 云计算发展现状 | 第11-13页 |
| 1.2.2 调度算法研究概况 | 第13-14页 |
| 1.3 研究内容及成果 | 第14-16页 |
| 1.3.1 论文主要研究内容 | 第14-15页 |
| 1.3.2 论文主要研究成果 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 云计算基本概念 | 第17-24页 |
| 2.1 云计算的定义 | 第17-18页 |
| 2.2 云计算的分类 | 第18-20页 |
| 2.2.1 按服务类型分类 | 第18-19页 |
| 2.2.2 按部署方式分类 | 第19-20页 |
| 2.3 云计算的特点 | 第20-21页 |
| 2.4 云计算关键技术 | 第21-22页 |
| 2.5 云计算实现机制 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 云计算中资源调度算法的研究 | 第24-29页 |
| 3.1 云计算中的资源调度 | 第24-26页 |
| 3.1.1 资源调度定义 | 第24-25页 |
| 3.1.2 资源调度中的关键 | 第25-26页 |
| 3.2 云计算中的调度算法 | 第26-28页 |
| 3.2.1 传统调度算法 | 第26页 |
| 3.2.2 启发式算法 | 第26-28页 |
| 3.2.2.1 遗传算法 | 第27页 |
| 3.2.2.2 粒子群算法 | 第27-28页 |
| 3.2.2.3 蚁群算法 | 第28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 基于预测的蚁群优化调度算法研究 | 第29-43页 |
| 4.1 云环境下的任务调度建模 | 第29页 |
| 4.2 蚁群算法研究 | 第29-34页 |
| 4.2.1 蚁群模型 | 第29-32页 |
| 4.2.2 蚁群算法过程 | 第32-34页 |
| 4.3 基于预测的蚁群算法优化 | 第34-42页 |
| 4.3.1 任务分类 | 第34-37页 |
| 4.3.2 排序和映射 | 第37-38页 |
| 4.3.3 蚁群算法的改进 | 第38-42页 |
| 4.3.3.1 信息素、遗传信息和蚂蚁初始化 | 第38-39页 |
| 4.3.3.2 转移规则 | 第39-40页 |
| 4.3.3.3 局部信息素更新规则 | 第40页 |
| 4.3.3.4 全局信息素更新规则 | 第40-41页 |
| 4.3.3.5 算法终止条件 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 实验仿真和结果分析 | 第43-52页 |
| 5.1 Cloud Sim简介 | 第43-45页 |
| 5.1.1 Cloud Sim架构 | 第43-44页 |
| 5.1.2 Cloud Sim仿真过程 | 第44-45页 |
| 5.2 实验硬件配置 | 第45页 |
| 5.3 实验结果与分析 | 第45-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 6.1 论文总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |
