| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文结构 | 第13-14页 |
| 1.4 论文主要工作及成果 | 第14-16页 |
| 第二章 云计算与虚拟资源调度 | 第16-25页 |
| 2.1 云计算及其相关技术 | 第16-19页 |
| 2.2 虚拟资源调度的内容 | 第19-23页 |
| 2.2.1 任务调度 | 第20-21页 |
| 2.2.2 虚拟机资源调度 | 第21-23页 |
| 2.3 问题的提出及优化方向 | 第23-24页 |
| 2.3.1 问题的提出 | 第23页 |
| 2.3.2 虚拟资源调度可优化方向 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于多目标优化的云计算虚拟机资源调度模型 | 第25-52页 |
| 3.1 虚拟机资源调度模型的建立 | 第25-26页 |
| 3.2 数据中心能耗模型 | 第26-34页 |
| 3.2.1 数据中心节点功耗的表示 | 第27-32页 |
| 3.2.2 数据中心能耗模型的建立 | 第32-33页 |
| 3.2.3 影响能耗的几大因素 | 第33-34页 |
| 3.3 数据中心负载评估模型 | 第34-37页 |
| 3.3.1 数据中心节点负载的表示 | 第34-36页 |
| 3.3.2 数据中心系统负载评估模型的建立 | 第36-37页 |
| 3.3.3 负载波动规律与影响负载的主要因素 | 第37页 |
| 3.4 基于能耗与负载优化的虚拟机资源调度 | 第37-51页 |
| 3.4.1 热点主机的探测 | 第37-41页 |
| 3.4.2 低载主机的确定 | 第41-42页 |
| 3.4.3 迁移虚拟机的选择 | 第42-45页 |
| 3.4.4 虚拟机的放置 | 第45-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于多维Qos约束遗传蚁群算法的云计算任务调度模型 | 第52-60页 |
| 4.1 云计算任务调度概述 | 第52-53页 |
| 4.1.1 云计算任务调度问题模型 | 第52-53页 |
| 4.1.2 常规调度策略介绍 | 第53页 |
| 4.2 蚁群算法与遗传算法及优化方向 | 第53-54页 |
| 4.2.1 蚁群算法与遗传算法原理 | 第53-54页 |
| 4.2.2 算法可优化方向 | 第54页 |
| 4.3 遗传算法与蚁群算法的融合 | 第54-59页 |
| 4.3.1 遗传蚁群算法一般过程 | 第55-56页 |
| 4.3.2 多维Qos约束的定义 | 第56-58页 |
| 4.3.3 遗传蚁群算法描述 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 云计算虚拟机资源调度与任务调度的仿真 | 第60-84页 |
| 5.1 CloudSim仿真平台及其架构 | 第60-61页 |
| 5.2 虚拟资源调度性能指标的定义 | 第61-63页 |
| 5.2.1 虚拟机资源调度性能指标 | 第61-62页 |
| 5.2.2 云计算任务调度性能指标 | 第62-63页 |
| 5.3 仿真架构的改进与实现 | 第63-65页 |
| 5.3.1 虚拟机资源调度仿真流程的设计 | 第63-64页 |
| 5.3.2 云计算任务调度仿真流程的设计 | 第64-65页 |
| 5.4 云计算虚拟机资源调度的仿真 | 第65-76页 |
| 5.4.1 实验设计 | 第65-67页 |
| 5.4.2 实验过程 | 第67页 |
| 5.4.3 实验结果 | 第67-68页 |
| 5.4.4 实验结果分析 | 第68-76页 |
| 5.5 云计算任务调度的仿真 | 第76-83页 |
| 5.5.1 实验设计 | 第76-77页 |
| 5.5.2 实验过程 | 第77-78页 |
| 5.5.3 实验结果 | 第78-79页 |
| 5.5.4 实验结果分析 | 第79-83页 |
| 5.6 本章小结 | 第83-84页 |
| 第六章 论文总结与展望 | 第84-86页 |
| 6.1 论文的工作总结 | 第84页 |
| 6.2 展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 硕士期间研究成果 | 第91页 |