| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文结构安排 | 第11-13页 |
| 第二章 云计算资源调度概述 | 第13-19页 |
| 2.1 网格计算资源调度策略 | 第13-15页 |
| 2.2 云供应策略 | 第15页 |
| 2.3 云计算资源调度策略 | 第15-17页 |
| 2.4 资源调度的性能评价标准 | 第17页 |
| 2.5 云计算负载均衡 | 第17-19页 |
| 第三章 标准粒子群优化算法PSO | 第19-25页 |
| 3.1 粒子群算法的基本原理 | 第19页 |
| 3.2 粒子群算法的数学描述 | 第19-20页 |
| 3.3 粒子群算法的发展 | 第20-21页 |
| 3.4 粒子群算法的基本流程 | 第21-22页 |
| 3.5 粒子群算法的应用 | 第22-23页 |
| 3.6 粒子群算法与遗传算法比较 | 第23-25页 |
| 第四章 改进学习因子和约束因子的混合粒子群算法 | 第25-41页 |
| 4.1 几种改进的粒子群算法 | 第25-29页 |
| 4.1.1 自适应粒子群算法（Adaptive Particle Swarm Optimization） | 第25-26页 |
| 4.1.2 混合粒子群算法（Hybrid Particle Swarm optimization） | 第26-28页 |
| 4.1.3 协同粒子群算法（Cooperative Partiele Swarm Optimization） | 第28页 |
| 4.1.4 离散粒子群算法（Diserete Particle Swarm Optimization） | 第28-29页 |
| 4.2 融合邻域最优解的混合粒子群算法 | 第29-30页 |
| 4.3 改进学习因子和约束因子的混合粒子群算法 | 第30-37页 |
| 4.3.1 惯性权值的设置 | 第30-32页 |
| 4.3.2 改进的学习因子 | 第32-34页 |
| 4.3.4 约束因子 | 第34页 |
| 4.3.5 最大速度Vmax | 第34-36页 |
| 4.3.6 算法基本流程 | 第36-37页 |
| 4.4 算法的性能测试评估 | 第37-41页 |
| 第五章 基于混合粒子群算法的云计算资源调度 | 第41-53页 |
| 5.1 云资源调度的问题描述 | 第41-43页 |
| 5.2 云资源调度相关参数设置 | 第43页 |
| 5.3 基于粒子群算法的资源调度 | 第43-46页 |
| 5.3.1 可行解的定义 | 第44页 |
| 5.3.2 粒子的编码方式 | 第44-46页 |
| 5.3.3 适应值的定义 | 第46页 |
| 5.3.4 种群的初始化 | 第46页 |
| 5.4 CloudSim资源调度仿真流程 | 第46-48页 |
| 5.5 算法仿真实验和结果分析 | 第48-53页 |
| 5.5.1 任务数量对性能的影响 | 第48-50页 |
| 5.5.2 资源数量对性能的影响 | 第50-53页 |
| 第六章 总结和展望 | 第53-54页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
