基于智能优化算法的网格任务调度策略研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·本文研究内容和主要贡献 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 任务调度及优化算法概述 | 第12-36页 |
| ·任务调度的基本问题 | 第12-17页 |
| ·任务调度的定义 | 第12-14页 |
| ·任务调度策略的分类 | 第14-15页 |
| ·任务调度算法的研究进展 | 第15-17页 |
| ·优化算法 | 第17-21页 |
| ·最优化问题 | 第17-19页 |
| ·最优化算法 | 第19-21页 |
| ·网格中任务调度概述 | 第21-35页 |
| ·网格计算概述 | 第21-24页 |
| ·网格调度和资源管理 | 第24-30页 |
| ·网格中常见的资源管理和任务调度系统 | 第30-32页 |
| ·带QoS 的网格调度 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于均场退火的网格任务调度算法 | 第36-51页 |
| ·模拟退火算法介绍 | 第36-39页 |
| ·模拟退火算法的主要思想 | 第36-37页 |
| ·模拟退火算法的参数控制问题 | 第37页 |
| ·模拟退火算法的特点和研究现状 | 第37-39页 |
| ·均场退火算法的研究 | 第39-44页 |
| ·均场近似 | 第39-40页 |
| ·鞍点展开 | 第40-42页 |
| ·稳定性分析 | 第42-43页 |
| ·均场网络参数的确定 | 第43-44页 |
| ·均场退火算法在网格任务调度中的应用 | 第44-50页 |
| ·均场退火方程 | 第44-45页 |
| ·问题映射 | 第45页 |
| ·能量函数 | 第45-46页 |
| ·Hopfield 神经网络能量函数构造 | 第46-47页 |
| ·均场退火算法 | 第47-49页 |
| ·参数取值 | 第49页 |
| ·实验结果 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 改进的微正则退火算法及应用 | 第51-70页 |
| ·微正则退火算法的物理背景 | 第51-52页 |
| ·微正则退火算法的原理 | 第52-54页 |
| ·算法依据 | 第52页 |
| ·算法介绍 | 第52-54页 |
| ·微正则退火算法的研究现状 | 第54-55页 |
| ·改进的微正则均场退火算法的思想 | 第55-57页 |
| ·分段的能量奖励策略 | 第55-56页 |
| ·混合能量补偿策略 | 第56页 |
| ·基于均场退火的微正则退火算法 | 第56-57页 |
| ·基于微正则均场退火算法的有序任务多处理器调度 | 第57-69页 |
| ·模型与定义 | 第57-59页 |
| ·仿真实例 | 第59-60页 |
| ·能量函数及均场更新函数 | 第60-61页 |
| ·实验仿真及结果分析 | 第61-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 基于模糊动态遗传算法的网格任务调度实现 | 第70-93页 |
| ·遗传算法介绍 | 第70-75页 |
| ·基本遗传算法原理 | 第71-72页 |
| ·遗传算法的特点及运行过程 | 第72-73页 |
| ·遗传算法求解分布式任务调度问题的研究现状 | 第73-75页 |
| ·模糊数学原理 | 第75-77页 |
| ·模糊数学基础知识 | 第75-76页 |
| ·模糊数学综合评价 | 第76-77页 |
| ·模糊动态遗传算法原理 | 第77-81页 |
| ·编码机制 | 第77-78页 |
| ·适应度函数 | 第78-79页 |
| ·选择算子 | 第79-80页 |
| ·杂交和变异算子 | 第80页 |
| ·主要参数的选择 | 第80-81页 |
| ·局部网格仿真模型 | 第81-89页 |
| ·网络仿真简介 | 第81-82页 |
| ·OPNET 仿真软件简介 | 第82-83页 |
| ·局部网格仿真模型设计 | 第83-89页 |
| ·模糊动态遗传算法实现 | 第89-91页 |
| ·仿真参数选择 | 第89-90页 |
| ·仿真结果及分析 | 第90-91页 |
| ·本章小结 | 第91-93页 |
| 第六章 总结与展望 | 第93-95页 |
| ·全文总结 | 第93页 |
| ·研究展望 | 第93-95页 |
| 参考文献 | 第95-104页 |
| 发表论文和科研情况说明 | 第104-105页 |
| 致谢 | 第105-106页 |
| 附录 | 第106-112页 |
