自组织网络环境下基于遗传蚁群算法的计算迁移技术研究
摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 课题背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.3 论文主要内容与创新 | 第13-14页 |
1.4 论文结构安排 | 第14-16页 |
第二章 计算迁移技术理论研究 | 第16-25页 |
2.1 移动云计算架构 | 第16-17页 |
2.2 自组织云网络架构 | 第17-21页 |
2.2.1 自组织云概念 | 第17-18页 |
2.2.2 自组织云特性 | 第18-20页 |
2.2.3 自组织云分类 | 第20-21页 |
2.3 任务调度策略研究 | 第21-22页 |
2.4 任务调度算法研究 | 第22-24页 |
2.4.1 Min-min调度算法 | 第22页 |
2.4.2 线性规划 | 第22页 |
2.4.3 遗传算法 | 第22-23页 |
2.4.4 蚁群算法 | 第23页 |
2.4.5 算法分析比较 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
第三章 非对等自组织云计算迁移技术研究 | 第25-41页 |
3.1 非对等计算迁移架构 | 第25-29页 |
3.2 任务调度模型 | 第29-32页 |
3.3 遗传蚁群任务调度算法 | 第32-36页 |
3.3.1 基于遗传算法的快速搜索 | 第32-35页 |
3.3.1.1 染色体编码定义 | 第33页 |
3.3.1.2 种群初始化 | 第33页 |
3.3.1.3 适应度值评价函数设计 | 第33-34页 |
3.3.1.4 遗传算子设计 | 第34-35页 |
3.3.2 基于蚁群算法的精确求解 | 第35-36页 |
3.3.2.1 算法初始化 | 第35-36页 |
3.3.2.2 转移概率设计 | 第36页 |
3.3.2.3 信息素修改 | 第36页 |
3.4 仿真及分析 | 第36-40页 |
3.4.1 仿真环境 | 第36-37页 |
3.4.2 实验方案 | 第37页 |
3.4.3 仿真结果及分析 | 第37-40页 |
3.5 本章小结 | 第40-41页 |
第四章 对等自组织云计算迁移研究 | 第41-54页 |
4.1 对等计算迁移架构 | 第41-45页 |
4.2 任务调度模型 | 第45-46页 |
4.3 遗传蚁群任务调度算法 | 第46-50页 |
4.3.1 基于遗传算法的快速搜索 | 第47-49页 |
4.3.1.1 染色体编码定义 | 第47页 |
4.3.1.2 种群初始化 | 第47-48页 |
4.3.1.3 适应度值评价函数设计 | 第48页 |
4.3.1.4 遗传算子设计 | 第48-49页 |
4.3.2 基于蚁群算法的精确求解 | 第49-50页 |
4.3.2.1 算法初始化 | 第49-50页 |
4.3.2.2 转移概率设计 | 第50页 |
4.3.2.3 信息素修改 | 第50页 |
4.4 仿真及分析 | 第50-53页 |
4.4.1 仿真环境 | 第50页 |
4.4.2 实验方案 | 第50-51页 |
4.4.3 仿真结果及分析 | 第51-53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 本文研究内容与创新 | 第54-55页 |
5.2 未来工作展望 | 第55-56页 |
参考文献 | 第56-60页 |
致谢 | 第60-61页 |
攻读学位期间发表论文目录 | 第61页 |