| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-13页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景和意义 | 第13-18页 |
| 1.1.1 云计算的内涵 | 第13-14页 |
| 1.1.2 云计算的特征 | 第14-15页 |
| 1.1.3 云计算的分类 | 第15-16页 |
| 1.1.4 现有的云计算技术平台研究现状 | 第16-18页 |
| 1.2 云环境下任务调度相关研究 | 第18-25页 |
| 1.2.1 云计算任务调度概述 | 第19页 |
| 1.2.2 云计算任务调度的特点和目标 | 第19-21页 |
| 1.2.3 经典的任务调度策略 | 第21-25页 |
| 1.3 研究内容 | 第25-27页 |
| 第2章 基于蚁群算法的启发式任务调度策略 | 第27-49页 |
| 2.1 引言 | 第27-28页 |
| 2.2 蚁群算法基本原理 | 第28-30页 |
| 2.3 系统模型 | 第30-34页 |
| 2.4 调度算法 | 第34-38页 |
| 2.4.1 算法初始化 | 第35页 |
| 2.4.2 蚂蚁转移概率 | 第35-36页 |
| 2.4.3 信息素的更新 | 第36-37页 |
| 2.4.4 算法的终止条件 | 第37页 |
| 2.4.5 算法流程 | 第37-38页 |
| 2.5 实验与分析 | 第38-47页 |
| 2.5.1 实验环境 | 第38-39页 |
| 2.5.2 实验效果与分析 | 第39-47页 |
| 2.6 本章小结 | 第47-49页 |
| 第3章 一种云计算系统面向负载均衡的两阶段任务调度方法 | 第49-65页 |
| 3.1 引言 | 第49-50页 |
| 3.2 负载均衡技术的分类和实现 | 第50-51页 |
| 3.3 两阶段任务调度方法 | 第51-59页 |
| 3.3.1 算法模型 | 第52-55页 |
| 3.3.2 负载均衡策略与方法 | 第55-59页 |
| 3.4 实验与分析 | 第59-63页 |
| 3.4.1 评价指标 | 第59-61页 |
| 3.4.2 实验环境 | 第61页 |
| 3.4.3 实验效果与分析 | 第61-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第4章 一种面向多维度资源的虚拟机部署策略 | 第65-83页 |
| 4.1 引言 | 第65-66页 |
| 4.2 遗传算法基本原理 | 第66-68页 |
| 4.3 基于分组遗传算法的虚拟机部署策略 | 第68-74页 |
| 4.3.1 算法模型 | 第70-71页 |
| 4.3.2 虚拟机迁移策略 | 第71-74页 |
| 4.4 实验与分析 | 第74-81页 |
| 4.4.1 Cloudsim 平台介绍 | 第75-76页 |
| 4.4.2 实验环境 | 第76-77页 |
| 4.4.3 实验效果与分析 | 第77-81页 |
| 4.5 本章小结 | 第81-83页 |
| 第5章 基于粒子群理论的能量感知虚拟机迁移方法 | 第83-103页 |
| 5.1 引言 | 第83-84页 |
| 5.2 基础知识 | 第84-86页 |
| 5.2.1 绿色计算 | 第84-85页 |
| 5.2.2 粒子群算法基本原理 | 第85-86页 |
| 5.3 基于能量感知的虚拟机迁移策略 | 第86-95页 |
| 5.3.1 物理主机状态转移 | 第87-88页 |
| 5.3.2 算法模型 | 第88-90页 |
| 5.3.3 物理主机能耗模型 | 第90-91页 |
| 5.3.4 任务部署策略 | 第91-92页 |
| 5.3.5 虚拟机迁移策略 | 第92-95页 |
| 5.3.6 算法流程 | 第95页 |
| 5.4 实验与分析 | 第95-102页 |
| 5.4.1 实验环境 | 第95-97页 |
| 5.4.2 实验效果与分析 | 第97-102页 |
| 5.5 本章小结 | 第102-103页 |
| 第6章 总结和展望 | 第103-105页 |
| 6.1 总结 | 第103-104页 |
| 6.2 展望 | 第104-105页 |
| 参考文献 | 第105-115页 |
| 作者简介及在学期间所取得的科研成果 | 第115-117页 |
| 致谢 | 第117-118页 |