云平台下基于多适应度的改进任务调度算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 云计算的发展状况 | 第9页 |
| 1.1.2 云计算的应用 | 第9-10页 |
| 1.1.3 云计算的相关 QOS | 第10页 |
| 1.1.4 云计算的关键技术 | 第10页 |
| 1.2 论文的主要内容 | 第10-11页 |
| 1.3 论文的组织结构 | 第11-12页 |
| 第二章 云计算任务调度算法的研究现状 | 第12-16页 |
| 2.1 云计算下任务调度算法综述 | 第12页 |
| 2.2 现有的任务调度算法 | 第12-15页 |
| 2.2.1 FIFO 任务调度算法 | 第12-13页 |
| 2.2.2 Fair 任务调度算法 | 第13页 |
| 2.2.3 Capacity 任务调度算法 | 第13-14页 |
| 2.2.4 借鉴智能算法的任务调度算法 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 遗传算法和蚁群算法理论 | 第16-23页 |
| 3.1 遗传算法理论 | 第16-18页 |
| 3.1.1 编码 | 第16页 |
| 3.1.2 遗传操作 | 第16-17页 |
| 3.1.3 适应度函数 | 第17-18页 |
| 3.1.4 遗传算法的优缺点 | 第18页 |
| 3.2 蚁群算法理论 | 第18-22页 |
| 3.2.1 蚁群算法的原理 | 第19-20页 |
| 3.2.2 蚁群算法的实现方式 | 第20-21页 |
| 3.2.3 蚁群算法的优缺点 | 第21-22页 |
| 3.3 本章小结 | 第22-23页 |
| 第四章 基于多适应度的改进任务调度算法 | 第23-42页 |
| 4.1 调度算法模型 | 第23-24页 |
| 4.2 遗传算法设计 | 第24-36页 |
| 4.2.1 染色体的编码与解码 | 第25-27页 |
| 4.2.2 初始种群的生成 | 第27-30页 |
| 4.2.3 适应度函数 | 第30-32页 |
| 4.2.4 交叉操作 | 第32-34页 |
| 4.2.5 变异操作 | 第34页 |
| 4.2.6 使用按照特定规则进行的交叉和变异 | 第34-35页 |
| 4.2.7 运行时参数 | 第35-36页 |
| 4.3 混合调度算法设计 | 第36-39页 |
| 4.3.1 蚁群算法和遗传算法的混合策略 | 第36-38页 |
| 4.3.2 混合算法进化信息的传递 | 第38-39页 |
| 4.4 蚁群算法任务调度的过程 | 第39-40页 |
| 4.4.1 算法的搜索策略 | 第39页 |
| 4.4.2 信息素的更新方案 | 第39-40页 |
| 4.5 算法的伪代码形式描述 | 第40-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第五章 算法仿真结果与分析 | 第42-53页 |
| 5.1 CloudSim 仿真平台简介 | 第42-44页 |
| 5.2 基于 CloudSim 的仿真环境 | 第44页 |
| 5.3 实验过程介绍 | 第44-52页 |
| 5.3.1 算法自身运行结果 | 第44-45页 |
| 5.3.2 算法具体改进点效果验证 | 第45-51页 |
| 5.3.3 算法所有改进点综合验证 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 致谢 | 第58页 |
