| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 第2章 云计算任务调度的理论基础 | 第12-17页 |
| 2.1 “云计算”模型 | 第12-14页 |
| 2.2 云平台 | 第14-15页 |
| 2.3 云计算核心技术 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 云环境下的任务调度 | 第17-24页 |
| 3.1 云计算任务调度概述 | 第17-19页 |
| 3.2 云计算任务调度的特点和目标 | 第19-20页 |
| 3.2.1 云计算任务调度的特点 | 第19页 |
| 3.2.2 云计算任务调度的目标 | 第19-20页 |
| 3.3 云环境下虚拟机资源调度模型 | 第20-21页 |
| 3.4 常用的任务调度算法 | 第21-22页 |
| 3.5 资源的负载均衡 | 第22-23页 |
| 3.6 本章小结 | 第23-24页 |
| 第4章 基于共享机制和群体智能优化算法的任务调度方案 | 第24-37页 |
| 4.1 蚁群算法 | 第24-26页 |
| 4.1.1 蚁群算法的原理概述 | 第24-25页 |
| 4.1.2 蚁群算法的数学模型 | 第25-26页 |
| 4.2 遗传算法 | 第26-29页 |
| 4.2.1 遗传算法机制 | 第26-28页 |
| 4.2.2 遗传算法的优缺点 | 第28-29页 |
| 4.3 人工蜂群算法 | 第29-31页 |
| 4.3.1 人工蜂群机制 | 第29-30页 |
| 4.3.2 蜂群算法的数学模型 | 第30-31页 |
| 4.3.3 人工蜂群算法的优缺点 | 第31页 |
| 4.4 混合群智能优化算法 | 第31-36页 |
| 4.4.1 算法原理 | 第32-34页 |
| 4.4.2 Bee()模块 | 第34页 |
| 4.4.3 MentionAdvert()模块 | 第34-35页 |
| 4.4.4 Ants() | 第35页 |
| 4.4.5 Individuals() | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第5章 仿真实验及结果分析 | 第37-48页 |
| 5.1 Cloudsim云计算任务调度仿真平台 | 第37-38页 |
| 5.1.1 Cloudsim简介 | 第37页 |
| 5.1.2 Cloudsim中的核心类 | 第37-38页 |
| 5.2 环境参数 | 第38-42页 |
| 5.2.1 本机配置 | 第38-39页 |
| 5.2.2 云环境的参数设置 | 第39页 |
| 5.2.3 混合算法的参数设置 | 第39-40页 |
| 5.2.4 实验流程 | 第40-42页 |
| 5.3 实验结果分析 | 第42-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 工作总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第55页 |