摘要 | 第4-6页 |
abstract | 第6-8页 |
第1章 绪论 | 第15-24页 |
1.1 研究背景与意义 | 第15-19页 |
1.1.1 研究背景 | 第15-16页 |
1.1.2 研究意义 | 第16-19页 |
1.2 选题的项目背景 | 第19页 |
1.3 本文主要研究内容与创新点 | 第19-22页 |
1.3.1 主要研究内容 | 第19-21页 |
1.3.2 主要创新点 | 第21-22页 |
1.4 本文的组织结构 | 第22-24页 |
第2章 云环境中任务流的多目标调度优化研究现状分析 | 第24-45页 |
2.1 云环境中任务流多目标调度优化技术分析 | 第24-29页 |
2.1.1 云环境中任务多目标优化技术 | 第25-27页 |
2.1.2 云环境中任务多目标优化指标 | 第27-29页 |
2.2 云环境中任务流多目标调度优化研究现状 | 第29-43页 |
2.2.1 一般启发式算法 | 第29-30页 |
2.2.2 元启发式算法 | 第30-42页 |
2.2.3 博弈论调度 | 第42页 |
2.2.4 帕累托优化 | 第42-43页 |
2.3 本章小结 | 第43-45页 |
第3章 一种IaaS云中的低能耗管理策略 | 第45-59页 |
3.1 引言 | 第45-46页 |
3.2 问题定义 | 第46-48页 |
3.3 绿色数据中心模型 | 第48-51页 |
3.3.1 绿色数据中心架构 | 第48-49页 |
3.3.2 虚拟机分配建模 | 第49-51页 |
3.4 IaaS云平台的低能耗方案 | 第51-53页 |
3.4.1 Openstack | 第51页 |
3.4.2 PSS-PSW低能耗策略 | 第51-53页 |
3.5 实验分析 | 第53-58页 |
3.5.1 模拟环境测试 | 第53-54页 |
3.5.2 真实云环境测试 | 第54-58页 |
3.6 本章小结 | 第58-59页 |
第4章 云环境中能量-性能自适应权衡的任务调度策略 | 第59-73页 |
4.1 引言 | 第59-60页 |
4.2 问题定义 | 第60-61页 |
4.3 E-PAGA调度策略 | 第61-65页 |
4.3.1 染色体编码 | 第61-62页 |
4.3.2 适应度函数 | 第62-63页 |
4.3.3 E-PAGA算法 | 第63-64页 |
4.3.4 算法分析 | 第64-65页 |
4.4 实验分析 | 第65-71页 |
4.4.1 算法比较 | 第65-66页 |
4.4.2 E-PAGA算法验证 | 第66-71页 |
4.5 本章小结 | 第71-73页 |
第5章 基于Spark经济-性能权衡的任务调度优化研究 | 第73-93页 |
5.1 引言 | 第73-75页 |
5.2 问题定义 | 第75-77页 |
5.3 模型建立 | 第77-81页 |
5.3.1 时间建模 | 第77-80页 |
5.3.2 经济建模 | 第80-81页 |
5.3.3 系统建模 | 第81页 |
5.4 调度优化 | 第81-86页 |
5.4.1 调度算法 | 第82-85页 |
5.4.2 调度时间估测 | 第85-86页 |
5.5 实验分析 | 第86-92页 |
5.5.1 实验配置 | 第86-88页 |
5.5.2 时间/经济权衡探索 | 第88-90页 |
5.5.3 调度优化 | 第90-92页 |
5.6 本章小结 | 第92-93页 |
第六章 一种云环境中任务流的高效多目标调度方法 | 第93-111页 |
6.1 引言 | 第93-95页 |
6.2 问题定义 | 第95-96页 |
6.3 多目标博弈调度方法 | 第96-104页 |
6.3.1 ETC矩阵 | 第96-97页 |
6.3.2 调度系统模型 | 第97-98页 |
6.3.3 博弈调度方案 | 第98-101页 |
6.3.4 多目标博弈算法MOG | 第101-103页 |
6.3.5 算法分析 | 第103-104页 |
6.4 实验分析 | 第104-110页 |
6.4.1 相关算法比较 | 第104-106页 |
6.4.2 实验验证 | 第106-110页 |
6.5 本章小结 | 第110-111页 |
第7章 总结与展望 | 第111-114页 |
7.1 研究工作总结 | 第111-112页 |
7.2 未来研究 | 第112-114页 |
参考文献 | 第114-127页 |
致谢 | 第127-128页 |
在学期间的研究成果及发表的学术论文 | 第128页 |