基于资源聚类的云计算任务调度算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外相关研究与应用现状 | 第11-15页 |
| 1.2.1 云计算研究现状 | 第11-12页 |
| 1.2.2 其他计算模型的调度算法研究现状 | 第12-13页 |
| 1.2.3 云计算独立任务调度算法研究现状 | 第13-14页 |
| 1.2.4 云计算工作流任务调度算法研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文内容的组织 | 第16-17页 |
| 第二章 模糊聚类算法和云计算任务调度 | 第17-27页 |
| 2.1 模糊聚类算法概述 | 第17-22页 |
| 2.1.1 模糊聚类理论 | 第17-20页 |
| 2.1.2 模糊聚类算法 | 第20-22页 |
| 2.1.3 模糊聚类的研究与应用 | 第22页 |
| 2.2 云计算任务调度概述 | 第22-26页 |
| 2.2.1 云计算概述 | 第22-24页 |
| 2.2.2 任务调度概述 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于资源聚类的独立任务调度算法 | 第27-40页 |
| 3.1 独立任务调度 | 第27-28页 |
| 3.1.1 独立任务调度概述 | 第27页 |
| 3.1.2 独立任务模型 | 第27-28页 |
| 3.1.3 资源模型 | 第28页 |
| 3.2 基于KFCM资源聚类的改进FIFO算法 | 第28-34页 |
| 3.2.1 基于核的模糊C均值聚类算法 | 第29-31页 |
| 3.2.2 资源聚类 | 第31-32页 |
| 3.2.3 任务资源需求分析和预处理 | 第32-33页 |
| 3.2.4 改进的FIFO调度算法 | 第33-34页 |
| 3.3 仿真实验 | 第34-39页 |
| 3.3.1 实验工具CloudSim | 第34-35页 |
| 3.3.2 实验配置 | 第35-36页 |
| 3.3.3 实验结果 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于资源聚类的工作流任务调度算法 | 第40-56页 |
| 4.1 工作流任务调度 | 第40-42页 |
| 4.1.1 工作流任务调度定义与描述 | 第40-41页 |
| 4.1.2 工作流任务模型 | 第41页 |
| 4.1.3 资源模型 | 第41-42页 |
| 4.2 基于IFCM资源聚类的改进蚁群算法 | 第42-49页 |
| 4.2.1 改进的模糊C均值聚类算法 | 第43-44页 |
| 4.2.2 改进的蚁群算法 | 第44-49页 |
| 4.3 实验介绍 | 第49-55页 |
| 4.3.1 实验工具Hadoop | 第49-50页 |
| 4.3.2 Hadoop自带调度器 | 第50-51页 |
| 4.3.3 实验环境配置 | 第51-52页 |
| 4.3.4 实验结果与分析 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 结束语 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简介 | 第62页 |
