| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 缩略语对照表 | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 本文的研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 本文主要的研究工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 相关理论 | 第17-22页 |
| 2.1 云计算的背景 | 第17-18页 |
| 2.2 云环境下的资源调度的相关概念 | 第18-19页 |
| 2.3 云计算资源调度的特点 | 第19-20页 |
| 2.4 云环境下资源调度策略的评判指标 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 云环境下常用的资源调度算法研究 | 第22-34页 |
| 3.1 传统的调度算法研究 | 第22-26页 |
| 3.1.1 Min-Min算法和Max-Min算法 | 第22-24页 |
| 3.1.2 投机负载均衡算法 | 第24页 |
| 3.1.3 Sufferage算法 | 第24-25页 |
| 3.1.4 轮循调度算法 | 第25页 |
| 3.1.5 传统调度算法的比较 | 第25-26页 |
| 3.2 启发式调度算法的研究 | 第26-30页 |
| 3.2.1 遗传算法 | 第26-28页 |
| 3.2.2 粒子群算法 | 第28页 |
| 3.2.3 模拟退火算法 | 第28-30页 |
| 3.2.4 蚁群算法 | 第30页 |
| 3.2.5 启发式调度算法的比较 | 第30页 |
| 3.3 资源调度算法的局限性及其改进途径 | 第30-32页 |
| 3.4 典型的资源调度模型MAP/REDUCE | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于劣化因子蚁群算法的资源调度策略 | 第34-49页 |
| 4.1 基于蚁群算法的TSP数学模型 | 第34-41页 |
| 4.1.1 蚁群算法的原理 | 第34-36页 |
| 4.1.2 蚁群算法的特点 | 第36页 |
| 4.1.3 TSP数学模型 | 第36-41页 |
| 4.2 基于改进蚁群算法的资源调度策略的设计 | 第41-48页 |
| 4.2.1 设计劣化因子的预处理机制 | 第42-45页 |
| 4.2.1.1 劣化因子的引入 | 第42页 |
| 4.2.1.2 可行性分析 | 第42-43页 |
| 4.2.1.3 劣化因子的选取 | 第43-45页 |
| 4.2.2 设计基于劣化因子蚁群算法的资源调度策略的基本步骤 | 第45-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 实验仿真与数据分析 | 第49-65页 |
| 5.1 实验环境 | 第49页 |
| 5.2 仿真实验的说明 | 第49-50页 |
| 5.3 劣化因子的仿真实验 | 第50-55页 |
| 5.4 改进算法与标准算法的仿真实验 | 第55-64页 |
| 5.4.1 实验第一阶段 | 第56-59页 |
| 5.4.2 实验第二阶段 | 第59-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻硕期间的硏究成果 | 第72页 |