| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-27页 |
| ·研究背景 | 第11-13页 |
| ·网络计算 | 第11-12页 |
| ·网络计算任务调度 | 第12-13页 |
| ·任务调度问题研究概况 | 第13-17页 |
| ·调度问题概述 | 第13-14页 |
| ·调度算法研究现状 | 第14-16页 |
| ·调度技术研究动态 | 第16页 |
| ·现有调度算法存在的问题和面临的挑战 | 第16-17页 |
| ·现代启发式调度算法的兴起 | 第17-20页 |
| ·基于实例（INSTANCE-BASED）的算法 | 第18-19页 |
| ·基于模型（MODEL-BASED）的算法 | 第19-20页 |
| ·选题依据 | 第20-21页 |
| ·研究内容和技术方案 | 第21-22页 |
| 参考文献 | 第22-27页 |
| 第二章 网络计算的任务调度模型 | 第27-41页 |
| ·网络计算的任务模型 | 第27-33页 |
| ·任务划分 | 第27页 |
| ·任务图模型（DAG） | 第27-29页 |
| ·任务图的相关定义 | 第29-32页 |
| ·DAG 图的产生 | 第32-33页 |
| ·网络计算系统 | 第33-35页 |
| ·网络计算系统 | 第33页 |
| ·互连网络 | 第33-35页 |
| ·调度模型及相关技术 | 第35-38页 |
| ·任务调度模型 | 第35页 |
| ·通信调度模型 | 第35-36页 |
| ·处理机分派规则 | 第36-37页 |
| ·测试数据集 | 第37-38页 |
| ·评价指标 | 第38页 |
| ·本章小结 | 第38-39页 |
| 参考文献 | 第39-41页 |
| 第三章 蚁群算法及其在任务调度应用中的研究 | 第41-67页 |
| ·蚁群算法ACO（ANT COLONY OPIMIZATION） | 第41-45页 |
| ·蚁群算法的数学模型 | 第41-43页 |
| ·蚁群算法的信息素模型分析 | 第43-44页 |
| ·蚁群算法收敛性研究 | 第44页 |
| ·蚁群算法的应用和设计方法 | 第44-45页 |
| ·蚁群算法在调度问题中的解构造模型研究 | 第45-46页 |
| ·基于时序分配模型 | 第45-46页 |
| ·基于空间分配模型 | 第46页 |
| ·蚁群算法解决调度问题的关键技术 | 第46-49页 |
| ·任务候选表 | 第46-47页 |
| ·选择调度空间的静态启发信息 | 第47-48页 |
| ·选择调度空间的动态启发信息 | 第48页 |
| ·测试任务图 | 第48页 |
| ·评价指标 | 第48-49页 |
| ·参数选择 | 第49页 |
| ·基于静态信息的蚁群调度算法 | 第49-54页 |
| ·应用静态信息 | 第49-50页 |
| ·算法步骤 | 第50页 |
| ·实验分析 | 第50-54页 |
| ·基于动态信息的蚁群调度算法 | 第54-57页 |
| ·应用动态信息 | 第54页 |
| ·算法步骤 | 第54-55页 |
| ·实验分析 | 第55-57页 |
| ·任务调度中并行蚁群算法的研究 | 第57-61页 |
| ·并行蚁群研究现状 | 第57-58页 |
| ·设计并行蚁群调度算法 | 第58-59页 |
| ·实验分析 | 第59-61页 |
| ·本章小结 | 第61-64页 |
| 参考文献 | 第64-67页 |
| 第四章 基于进化算法的任务调度研究 | 第67-92页 |
| ·进化算法简介 | 第67-71页 |
| ·微分进化算法DE (DIFFERENTIAL EVOLUTION) | 第68-70页 |
| ·粒子群算法PSO (PARTICLE SWARM OPTIMIZATION) | 第70-71页 |
| ·DE 和PSO 算法与遗传算法的比较 | 第71页 |
| ·调度问题空间解的编码和解码 | 第71-74页 |
| ·基于优先级编码（PRIORITY-BASED） | 第72-73页 |
| ·基于任务排列编码（PERMUTATION-BASED） | 第73页 |
| ·调度信息解码 | 第73-74页 |
| ·混合局部搜索策略 | 第74页 |
| ·模拟退火算法 | 第74页 |
| ·禁忌搜索算法 | 第74页 |
| ·基于进化算法的任务调度设计 | 第74-78页 |
| ·基于任务优先级编码的调度算法设计 | 第74-75页 |
| ·基于任务排列编码的调度算法设计 | 第75-78页 |
| ·基于微分进化的同构环境下调度算法实现 | 第78-83页 |
| ·基于任务优先级的调度算法 | 第78-81页 |
| ·基于任务排列的调度算法 | 第81-83页 |
| ·量子粒子群调度算法 | 第83-88页 |
| ·量子行为粒子群算法QPSO | 第83-84页 |
| ·算法设计 | 第84-86页 |
| ·实验分析 | 第86-88页 |
| ·本章小结 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 第五章 异构环境下基于粒子群算法的任务调度 | 第92-101页 |
| ·异构环境下任务调度 | 第92-94页 |
| ·问题描述 | 第92页 |
| ·研究现状 | 第92-93页 |
| ·模型定义 | 第93-94页 |
| ·异构系统的粒子群调度算法设计 | 第94-95页 |
| ·算法描述 | 第94页 |
| ·调度策略的设计 | 第94-95页 |
| ·基于任务排列的升级公式 | 第95页 |
| ·群体初始值 | 第95页 |
| ·算法步骤 | 第95页 |
| ·实验分析 | 第95-99页 |
| ·实验测试标准 | 第95-96页 |
| ·简单图结果 | 第96页 |
| ·生成任意图 | 第96-97页 |
| ·join和fork图的调度结果 | 第97页 |
| ·任意图的调度结果 | 第97-99页 |
| ·本章小结 | 第99页 |
| 参考文献 | 第99-101页 |
| 第六章 网格计算的智能调度算法研究 | 第101-118页 |
| ·网格计算及其任务调度 | 第101-104页 |
| ·网格计算 | 第101页 |
| ·网格计算调度 | 第101-103页 |
| ·GridSim 仿真环境 | 第103-104页 |
| ·基于蚁群算法的多目标网格调度算法 | 第104-109页 |
| ·基于空间分配的调度模型 | 第104-105页 |
| ·设计网格资源的处理能力作为启发信息 | 第105页 |
| ·选择问题空间的启发信息 | 第105页 |
| ·改进状态转移规则 | 第105-106页 |
| ·修改信息升级公式 | 第106页 |
| ·仿真结果 | 第106-108页 |
| ·多目标模型 | 第108-109页 |
| ·动态自适应网格调度算法 | 第109-115页 |
| ·禁忌搜索算法 | 第110页 |
| ·设计动态部分调度 | 第110-111页 |
| ·自适应的调度任务数 | 第111页 |
| ·动态修改禁忌长度 | 第111-112页 |
| ·动态调度的关键技术 | 第112页 |
| ·仿真结果 | 第112-115页 |
| ·本章小结 | 第115页 |
| 参考文献 | 第115-118页 |
| 第七章 总结与展望 | 第118-121页 |
| ·本文的结论 | 第118-119页 |
| ·研究展望 | 第119-121页 |
| 附录 常用符号约定 | 第121-122页 |
| 附录 GridSim介绍 | 第122-123页 |
| 附录 攻读博士学位期间完成的论文和参加的科研项目 | 第123-124页 |
| 致谢 | 第124页 |
