| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 引言 | 第8-14页 |
| ·研究背景 | 第8-12页 |
| ·云 | 第8-11页 |
| ·云工作流 | 第11-12页 |
| ·云QoS | 第12页 |
| ·本文的主要内容和创新 | 第12-14页 |
| 2 工作流调度研究 | 第14-23页 |
| ·基于最大努力的调度算法 | 第14-19页 |
| ·混合启发式 | 第14页 |
| ·TANH | 第14-15页 |
| ·网格动态关键路径(DCP-G) | 第15页 |
| ·快速关键路径(FCP)算法 | 第15页 |
| ·自适应广义调度（AGS） | 第15-16页 |
| ·工作流映射机制（WMM） | 第16页 |
| ·自适应工作流分裂（AWS）算法 | 第16-17页 |
| ·自适应调度算法（ASA） | 第17页 |
| ·异构最早完成时间算法（HEFT） | 第17页 |
| ·贪婪随机自适应搜索过程（GRASP） | 第17页 |
| ·模拟退火（SA）算法 | 第17-18页 |
| ·遗传算法(GA) | 第18页 |
| ·近视算法 | 第18页 |
| ·Min-Min, Max-Min 和 Sufferage 启发式 | 第18-19页 |
| ·基于QoS 约束的调度算法 | 第19-21页 |
| ·基于回溯算法的调度算法 | 第19页 |
| ·丢失与获取方法 | 第19-20页 |
| ·基于遗传算法的调度算法 | 第20页 |
| ·基于改进的遗传算法的调度算法 | 第20页 |
| ·基于蚁群算法的调度算法 | 第20-21页 |
| ·最后期限分配算法 | 第21页 |
| ·各算法比较分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于 QoS 约束的云工作流调度算法 | 第23-32页 |
| ·工作流参考模型 | 第23-25页 |
| ·云工作流调度体系结构 | 第25-26页 |
| ·服务云 | 第25页 |
| ·云工作流执行代理(EA) | 第25-26页 |
| ·云服务目录 | 第26页 |
| ·云工作流业务流程分析 | 第26-27页 |
| ·一具体云工作流DAG 模型分析 | 第27页 |
| ·MCUD 调度算法 | 第27-31页 |
| ·工作流任务调度描述 | 第27-28页 |
| ·工作流任务最后期限分配原则 | 第28-29页 |
| ·MCUD 算法流程 | 第29-31页 |
| ·小结 | 第31-32页 |
| 4 CloudSim 仿真平台扩展与实验 | 第32-48页 |
| ·CloudSim 介绍 | 第32-36页 |
| ·配置及仿真流程 | 第36-39页 |
| ·CloudSim 环境配置 | 第36-37页 |
| ·仿真流程 | 第37-39页 |
| ·工作流调度平台实现 | 第39-43页 |
| ·CloudSim 平台的扩展 | 第39-42页 |
| ·CloudSim 平台重新编译 | 第42-43页 |
| ·调度算法仿真 | 第43-46页 |
| ·实验数据 | 第43-44页 |
| ·仿真核心代码 | 第44-46页 |
| ·实验结果与分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 结论与展望 | 第48-50页 |
| ·工作总结 | 第48页 |
| ·展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-58页 |
| 附录 | 第58页 |