| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 研究内容及论文结构 | 第12-14页 |
| 1.3.1 主要研究工作 | 第12页 |
| 1.3.2 论文组织结构 | 第12-14页 |
| 第2章 云资源调度和多目标优化基础理论 | 第14-22页 |
| 2.1 云资源调度基础 | 第14-17页 |
| 2.1.1 基于低能源消耗的资源调度研究 | 第14-15页 |
| 2.1.1.1 基于服务器电量 | 第14页 |
| 2.1.1.2 基于服务器数量 | 第14-15页 |
| 2.1.2 基于高资源利用率的资源调度研究 | 第15-16页 |
| 2.1.3 基于经济学模型的资源调度研究 | 第16-17页 |
| 2.1.4 其它相关研究 | 第17页 |
| 2.2 多目标优化进化算法及动态多目标优化进化算法 | 第17-21页 |
| 2.2.1 多目标优化进化算法 | 第17-19页 |
| 2.2.1.1 多目标优化问题的描述 | 第17-18页 |
| 2.2.1.2 进化多目标优化的主要算法 | 第18-19页 |
| 2.2.2 动态多目标优化进化算法 | 第19-21页 |
| 2.2.2.1 动态多目标优化进化算法基本概念及数学表述 | 第19-20页 |
| 2.2.2.2 动态多目标优化进化算法基本原理和设计目标 | 第20页 |
| 2.2.2.3 动态多目标优化进化算法研究现状 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于虚拟机迁移的云资源调度建模 | 第22-31页 |
| 3.1 性能评价 | 第22-24页 |
| 3.1.1 引言 | 第22页 |
| 3.1.2 迁移代价 | 第22-23页 |
| 3.1.3 能源消耗 | 第23页 |
| 3.1.4 服务质量 | 第23-24页 |
| 3.2 数学模型 | 第24-28页 |
| 3.2.1 静态模型 | 第24-26页 |
| 3.2.2 动态模型 | 第26-28页 |
| 3.3 组编码策略 | 第28-30页 |
| 3.4 编码评价 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 多目标优化进化算法在云资源调度中的应用 | 第31-43页 |
| 4.1 引言 | 第31页 |
| 4.2 算法流程 | 第31页 |
| 4.3 适应度评价 | 第31-33页 |
| 4.4 学习和变异算子 | 第33-34页 |
| 4.5 种群更新策略 | 第34-35页 |
| 4.6 实验和结果 | 第35-42页 |
| 4.6.1 引言 | 第35页 |
| 4.6.2 实验数据 | 第35-36页 |
| 4.6.3 算法比较 | 第36-37页 |
| 4.6.4 实验评估标准及结果 | 第37-42页 |
| 4.7 本章小结 | 第42-43页 |
| 第5章 基于历史信息的动态多目标优化进化算法在云资源调度中的应用 | 第43-59页 |
| 5.1 动态多目标优化进化算法在云资源调度中的应用 | 第43-45页 |
| 5.1.1 引言 | 第43页 |
| 5.1.2 算法流程 | 第43-44页 |
| 5.1.3 实验和结果 | 第44-45页 |
| 5.2 基于历史信息的动态多目标优化进化算法 | 第45-58页 |
| 5.2.1 算法流程 | 第45-47页 |
| 5.2.2 实验和结果 | 第47-57页 |
| 5.2.3 实验分析 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间的研究成果 | 第70页 |
