| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 云计算研究现状 | 第13-14页 |
| 1.2.2 云任务调度研究现状 | 第14-15页 |
| 1.2.3 多目标问题研究现状 | 第15-16页 |
| 1.3 本文的主要研究工作 | 第16-17页 |
| 1.4 论文的结构组织 | 第17-19页 |
| 第2章 云任务调度和多目标优化 | 第19-27页 |
| 2.1 云计算理论知识 | 第19-21页 |
| 2.1.1 云计算简介 | 第19页 |
| 2.1.2 云计算特点及优势 | 第19-20页 |
| 2.1.3 云计算的体系结构 | 第20-21页 |
| 2.2 多目标优化 | 第21-22页 |
| 2.2.1 多目标问题简介 | 第21页 |
| 2.2.2 多目标问题的数学模型简介 | 第21-22页 |
| 2.3 基于多目标优化的云任务调度模型 | 第22-25页 |
| 2.3.1 云任务模型 | 第22-23页 |
| 2.3.2 云任务调度模型 | 第23-24页 |
| 2.3.3 云任务调度模型的数学描述 | 第24-25页 |
| 2.3.4 基于多目标优化的云任务调度目标函数 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于自适应遗传蚁群算法的多目标云任务调度算法 | 第27-45页 |
| 3.1 遗传算法 | 第27页 |
| 3.2 遗传算法的基本原理 | 第27-30页 |
| 3.2.1 编码设计 | 第27页 |
| 3.2.2 适应度函数 | 第27-28页 |
| 3.2.3 选择算子 | 第28页 |
| 3.2.4 交叉操作 | 第28-29页 |
| 3.2.5 变异操作 | 第29-30页 |
| 3.2.6 遗传算法流程图 | 第30页 |
| 3.3 蚁群算法 | 第30-31页 |
| 3.4 基于自适应遗传蚁群算法的多目标云任务调度算法 | 第31-36页 |
| 3.4.1 蚁群算法初始化 | 第33页 |
| 3.4.2 启发信息的设置 | 第33-34页 |
| 3.4.3 改进的选择操作 | 第34页 |
| 3.4.4 信息素更新操作 | 第34页 |
| 3.4.5 自适应遗传蚁群算法描述 | 第34-36页 |
| 3.5 实验环境与仿真分析 | 第36-44页 |
| 3.5.1 实验环境搭建 | 第36-39页 |
| 3.5.2 实验环境配置 | 第39页 |
| 3.5.3 仿真流程 | 第39页 |
| 3.5.4 实验参数配置 | 第39-40页 |
| 3.5.5 实验结果分析 | 第40-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于改进的文化基因算法的多目标云任务调度算法 | 第45-56页 |
| 4.1 文化基因算法 | 第45-46页 |
| 4.2 局部启发式搜索 | 第46-49页 |
| 4.2.1 爬山算法 | 第46-48页 |
| 4.2.2 禁忌搜索算法 | 第48页 |
| 4.2.3 基于改进的文化基因算法的多目标云任务调度算法 | 第48-49页 |
| 4.3 实验仿真与结果分析 | 第49-55页 |
| 4.3.1 实验环境和参数配置 | 第49-51页 |
| 4.3.2 实验结果分析 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 总结 | 第56页 |
| 展望 | 第56-58页 |
| 参考文献 | 第58-65页 |
| 致谢 | 第65-66页 |
| 附录 攻读硕士学位期间所发表的学术论文及所参与的科研项目 | 第66页 |
