| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第14-25页 |
| 1.1. 研究背景和意义 | 第14-15页 |
| 1.2. 研究现状 | 第15-20页 |
| 1.2.1. 任务模型 | 第15-17页 |
| 1.2.2. 资源评估 | 第17-18页 |
| 1.2.3.云计算调度 | 第18-20页 |
| 1.3. 本研究的关键问题和挑战 | 第20页 |
| 1.4. 研究目标、内容及创新点 | 第20-22页 |
| 1.5. 论文内容组织 | 第22-25页 |
| 第二章 云计算中调度问题研究综述 | 第25-37页 |
| 2.1. 云计算调度概述 | 第25-26页 |
| 2.1.1. 云计算中的资源调度与任务调度 | 第25页 |
| 2.1.2. 云计算调度目标 | 第25-26页 |
| 2.1.3. 云计算中的资源调度特点 | 第26页 |
| 2.2. 云计算调度问题研究现状 | 第26-32页 |
| 2.2.1. 以性能为中心的调度 | 第27-28页 |
| 2.2.2. 以服务质量为中心的调度 | 第28-29页 |
| 2.2.3. 以经济原则为中心的调度 | 第29-31页 |
| 2.2.4. 多目标优化的调度 | 第31-32页 |
| 2.3. 典型调度方法及系统 | 第32-34页 |
| 2.4. 问题及挑战 | 第34-36页 |
| 2.4.1. 存在问题 | 第35页 |
| 2.4.2. 研究挑战 | 第35-36页 |
| 2.5. 本章小结 | 第36-37页 |
| 第三章 面向任务特性和资源约束的资源任务模型 | 第37-53页 |
| 3.1. 相关工作 | 第38-39页 |
| 3.2. 基于熵优化的资源任务模型 | 第39-44页 |
| 3.2.1. 熵优化模型 | 第39-42页 |
| 3.2.2. 基于熵优化的资源任务模型 | 第42-44页 |
| 3.3. 模型实现 | 第44-51页 |
| 3.3.1. 资源与任务的预处理 | 第44-48页 |
| 3.3.1.1. 资源动态评估 | 第44-47页 |
| 3.3.1.2. 任务预处理 | 第47-48页 |
| 3.3.2. 实现方法 | 第48-51页 |
| 3.3.2.1. 云资源动态聚类 | 第48-49页 |
| 3.3.2.2. 任务分类 | 第49-51页 |
| 3.4. 本章小结 | 第51-53页 |
| 第四章 能耗感知的动态调度优化方法 | 第53-74页 |
| 4.1. 相关工作 | 第54-56页 |
| 4.2. 系统模型 | 第56-59页 |
| 4.2.1. 系统结构模型 | 第56-57页 |
| 4.2.2. 云资源动态评估 | 第57页 |
| 4.2.3. 动态调度问题描述 | 第57-58页 |
| 4.2.4. 能耗模型 | 第58-59页 |
| 4.3. 基于自适应阈值的动态调度优化方法 | 第59-65页 |
| 4.3.1. 动态自适应负载评估 | 第59-63页 |
| 4.3.2. 基于负载评估的调度优化方法 | 第63-64页 |
| 4.3.3. 能耗模型的相关参数 | 第64页 |
| 4.3.4. 算法复杂度及优化分析 | 第64-65页 |
| 4.4. 实验验证 | 第65-72页 |
| 4.4.1. 实验指标及参数 | 第65-67页 |
| 4.4.2. 资源动态评估的效果和动态自适应性验证 | 第67-69页 |
| 4.4.3. 能耗节省效果验证 | 第69-71页 |
| 4.4.4. 动态聚类及调度优化效果验证 | 第71-72页 |
| 4.5. 本章小结 | 第72-74页 |
| 第五章 面向负载均衡的多队列调度优化方法 | 第74-94页 |
| 5.1. 相关工作 | 第75-76页 |
| 5.2. 系统模型 | 第76-80页 |
| 5.2.1. 系统框架模型 | 第77-78页 |
| 5.2.2. 资源和任务的定义描述 | 第78-79页 |
| 5.2.3. 任务划分 | 第79-80页 |
| 5.2.4. 资源队列 | 第80页 |
| 5.3. 面向负载均衡的错峰调度方法 | 第80-84页 |
| 5.3.1. 错峰调度 | 第80-82页 |
| 5.3.2. 算法有效性 | 第82-83页 |
| 5.3.3. 算法复杂度及优化分析 | 第83-84页 |
| 5.4. 实验验证 | 第84-92页 |
| 5.4.1. 实验设置及对比方法 | 第84-85页 |
| 5.4.2. 实验指标 | 第85-86页 |
| 5.4.3. 仿真实验结果及分析 | 第86-90页 |
| 5.4.3.1. 响应时间 | 第86页 |
| 5.4.3.2. 负载均衡 | 第86-88页 |
| 5.4.3.3. 平均资源利用率 | 第88-89页 |
| 5.4.3.4. 截止时间违反率 | 第89-90页 |
| 5.4.4. 真实日志实验结果及分析 | 第90-92页 |
| 5.5. 本章小结 | 第92-94页 |
| 第六章 面向任务约束多样性的调度优化方法 | 第94-117页 |
| 6.1. 相关工作 | 第94-96页 |
| 6.2. 混合云系统模型及描述 | 第96-99页 |
| 6.2.1. 任务约束描述 | 第98-99页 |
| 6.3. 单目标优化调度算法 | 第99-101页 |
| 6.3.1. 费用优先调度 | 第99-100页 |
| 6.3.2. 截止时间优先调度 | 第100-101页 |
| 6.4. 多目标优化调度算法 | 第101-103页 |
| 6.5. 改进蚁群算法求解多目标优化调度问题 | 第103-106页 |
| 6.5.1. 算法概述 | 第103-104页 |
| 6.5.2. 启发式信息 | 第104页 |
| 6.5.3. 解的评估 | 第104页 |
| 6.5.4. 信息素更新 | 第104-105页 |
| 6.5.5. 转移概率 | 第105页 |
| 6.5.6. 多目标优化调度算法MOSACO | 第105-106页 |
| 6.5.7. 算法复杂度分析 | 第106页 |
| 6.6. 实验验证 | 第106-115页 |
| 6.6.1. 实验环境及参数设置 | 第106-107页 |
| 6.6.2. 评价指标 | 第107-108页 |
| 6.6.3. 仿真实验结果及分析 | 第108-111页 |
| 6.6.3.1. 完成时间 | 第108-109页 |
| 6.6.3.2. 费用 | 第109页 |
| 6.6.3.3. 截止时间超出率 | 第109-110页 |
| 6.6.3.4. 私有云资源利用率 | 第110-111页 |
| 6.6.4. 应用实例实验结果及分析 | 第111-115页 |
| 6.6.4.1. 完成时间 | 第112-113页 |
| 6.6.4.2. 费用 | 第113页 |
| 6.6.4.3. 截止时间违反率 | 第113-114页 |
| 6.6.4.4. 私有云资源利用率 | 第114-115页 |
| 6.7. 本章小结 | 第115-117页 |
| 第七章 结论与展望 | 第117-121页 |
| 参考文献 | 第121-135页 |
| 攻读博士学位期间取得的研究成果 | 第135-137页 |
| 致谢 | 第137-139页 |
| 答辩委员会对论文的评定意见 | 第139页 |