云计算中基于CloudSim的改进粒子群调度算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景与研究意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 经典任务调度算法的运用与改进 | 第9页 |
| 1.2.2 基于智能算法的任务调度研究 | 第9-10页 |
| 1.3 论文主要工作 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第2章 云计算 | 第13-19页 |
| 2.1 云计算概念 | 第13页 |
| 2.2 云计算体系结构 | 第13-15页 |
| 2.3 云计算服务层次 | 第15-16页 |
| 2.4 云计算的主要特征 | 第16-17页 |
| 2.5 云计算任务调度概述 | 第17-18页 |
| 2.6 本章小结 | 第18-19页 |
| 第3章 粒子群优化算法 | 第19-29页 |
| 3.1 仿生算法概述 | 第19-20页 |
| 3.2 粒子群优化算法 | 第20-24页 |
| 3.2.1 粒子群优化算法原理 | 第20-21页 |
| 3.2.2 粒子群优化算法的数学模型 | 第21页 |
| 3.2.3 粒子群优化算法主要特点 | 第21-22页 |
| 3.2.4 粒子群优化算法流程 | 第22-24页 |
| 3.3 基于惯性权重的改进研究 | 第24-27页 |
| 3.3.1 线性递减权值策略 | 第24-25页 |
| 3.3.2 周期性随机扰动策略 | 第25页 |
| 3.3.3 自适应动态惯性权重因子 | 第25-26页 |
| 3.3.4 随着指数增长的惯性权重改进策略 | 第26页 |
| 3.3.5 自适应动态调节的惯性权重改进策略 | 第26-27页 |
| 3.4 本文采用的改进算法 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 基于离散粒子群算法的云任务调度 | 第29-33页 |
| 4.1 云环境下任务调度问题的形式化表示 | 第29-30页 |
| 4.2 基于任务调度问题的离散粒子群算法 | 第30-32页 |
| 4.2.1 粒子编码 | 第30-31页 |
| 4.2.2 算法流程 | 第31-32页 |
| 4.3 本章小结 | 第32-33页 |
| 第5章 仿真实验以及实验分析 | 第33-45页 |
| 5.1 CloudSim仿真系统相关介绍 | 第33-37页 |
| 5.1.1 CloudSim的体系结构 | 第33-34页 |
| 5.1.2 CloudSim的技术实现 | 第34-37页 |
| 5.2 仿真实验的具体实现 | 第37-43页 |
| 5.2.1 CloudSim平台的扩展 | 第37-38页 |
| 5.2.2 实验环境与参数设置 | 第38-39页 |
| 5.2.3 仿真实验与结果分析 | 第39-43页 |
| 5.3 本章小结 | 第43-45页 |
| 第6章 总结与展望 | 第45-47页 |
| 6.1 总结 | 第45-46页 |
| 6.2 展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-50页 |
