| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景和意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 云计算技术研究现状 | 第9-10页 |
| 1.2.2 云计算工作流任务调度算法研究现状 | 第10-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 云计算环境下任务调度相关概述 | 第15-24页 |
| 2.1 云计算技术概述 | 第15-18页 |
| 2.1.1 云计算技术概述 | 第15-16页 |
| 2.1.2 云计算服务体系结构 | 第16-17页 |
| 2.1.3 云计算的核心技术 | 第17-18页 |
| 2.2 云计算任务调度过程 | 第18-20页 |
| 2.3 时间开销模型和资源利用率模型 | 第20-23页 |
| 2.3.1 工作流时间开销模型 | 第21-22页 |
| 2.3.2 数据中心资源利用率模型 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 云环境下时间感知的动态任务调度方法 | 第24-39页 |
| 3.1 问题描述与分析 | 第24页 |
| 3.2 云环境下一种针对并发工作流的动态任务调度方法 | 第24-34页 |
| 3.2.1 关键路径查找 | 第25-27页 |
| 3.2.2 时间和资源利用率感知的任务调度 | 第27-30页 |
| 3.2.3 优先级驱动的资源抢占 | 第30-32页 |
| 3.2.4 全局工作流调度 | 第32-34页 |
| 3.3 实验仿真与结果分析 | 第34-38页 |
| 3.3.1 实验环境与参数设置 | 第34-35页 |
| 3.3.2 实验结果与分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于遗传算法的工作流任务调度方法 | 第39-54页 |
| 4.1 问题描述与分析 | 第39页 |
| 4.2 时间模型改进和遗传算法编码设计 | 第39-44页 |
| 4.2.1 传统遗传算法 | 第39-41页 |
| 4.2.2 工作流时间开销模型修改与适应度函数 | 第41-42页 |
| 4.2.3 工作流任务到物理机资源的编码设计 | 第42-44页 |
| 4.3 基于遗传算法的工作流任务调度方法 | 第44-49页 |
| 4.3.1 IGSM原理 | 第44-49页 |
| 4.3.2 IGSM算法实现 | 第49页 |
| 4.4 实验仿真与结果分析 | 第49-53页 |
| 4.4.1 实验环境与参数设置 | 第49-50页 |
| 4.4.2 实验结果与分析 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文内容总结 | 第54-55页 |
| 5.2 未来工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 作者简介 | 第64页 |