| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第2章 云计算与任务调度 | 第19-24页 |
| 2.1 云计算的概念及特点 | 第19页 |
| 2.2 云计算平台体系结构 | 第19-22页 |
| 2.3 云计算中的任务调度 | 第22-23页 |
| 2.3.1 任务调度模型 | 第22页 |
| 2.3.2 任务调度目标 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 遗传算法理论 | 第24-29页 |
| 3.1 遗传算法简介 | 第24-25页 |
| 3.2 遗传算法的实现方法 | 第25-28页 |
| 3.2.1 编码 | 第25-26页 |
| 3.2.2 遗传操作 | 第26-27页 |
| 3.2.3 适应度函数 | 第27-28页 |
| 3.2.4 运行参数 | 第28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 蚁群算法理论 | 第29-32页 |
| 4.1 蚁群算法简介 | 第29-30页 |
| 4.2 蚁群算法的实现方法 | 第30-32页 |
| 第5章 基于动态融合的遗传算法与蚁群算法求解任务调度问题 | 第32-45页 |
| 5.1 基于DAG的任务调度模型 | 第32-33页 |
| 5.1.1 系统模型 | 第32页 |
| 5.1.2 任务模型 | 第32-33页 |
| 5.2 基于遗传算法的任务调度 | 第33-38页 |
| 5.2.1 编码 | 第33-34页 |
| 5.2.2 适应度函数 | 第34-35页 |
| 5.2.3 交叉操作 | 第35-37页 |
| 5.2.4 变异操作 | 第37-38页 |
| 5.2.5 运行参数设定 | 第38页 |
| 5.3 遗传算法与蚁群算法的动态融合策略 | 第38-41页 |
| 5.4 进化信息的传递 | 第41-42页 |
| 5.5 基于蚁群算法的任务调度 | 第42-43页 |
| 5.5.1 调度搜索策略 | 第42页 |
| 5.5.2 信息素更新策略 | 第42-43页 |
| 5.6 算法的形式化描述 | 第43-44页 |
| 5.7 本章小结 | 第44-45页 |
| 第6章 实验分析 | 第45-54页 |
| 6.1 实验环境 | 第45-46页 |
| 6.2 简单实例分析 | 第46-47页 |
| 6.3 实验数据与结果 | 第47-52页 |
| 6.4 实验分析 | 第52-53页 |
| 6.5 本章小结 | 第53-54页 |
| 第7章 总结和展望 | 第54-55页 |
| 7.1 总结 | 第54页 |
| 7.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表的学术论文目录 | 第59-60页 |
| 学位论文评阅及答辩情况表 | 第60页 |