| 摘要 | 第4-6页 |
| Abstract | 第6-7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12-15页 |
| 1.2.1 移动云计算应用程序研究现状 | 第12-13页 |
| 1.2.2 任务卸载研究现状 | 第13-15页 |
| 1.2.3 虚拟机调度策略研究现状 | 第15页 |
| 1.3 论文的主要研究内容与创新点 | 第15-16页 |
| 1.3.1 论文的主要研究内容 | 第15-16页 |
| 1.3.2 论文的创新点 | 第16页 |
| 1.4 论文的结构安排 | 第16-19页 |
| 第2章 移动云计算及其任务卸载与虚拟机调度研究概述 | 第19-29页 |
| 2.1 移动云计算概述 | 第19-23页 |
| 2.1.1 移动云计算的概念 | 第19页 |
| 2.1.2 移动云计算通用总体架构 | 第19-20页 |
| 2.1.3 移动云计算应用模式 | 第20-22页 |
| 2.1.4 移动云计算面临的挑战及未来发展方向 | 第22-23页 |
| 2.2 任务卸载研究概述 | 第23-25页 |
| 2.2.1 计算卸载的概念 | 第23页 |
| 2.2.2 卸载决策的过程及影响因素 | 第23-25页 |
| 2.3 虚拟机调度研究概述 | 第25-28页 |
| 2.3.1 虚拟机的放置问题描述 | 第25-26页 |
| 2.3.2 虚拟机的迁移问题描述 | 第26页 |
| 2.3.3 资源分配相关算法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 移动云计算中任务卸载策略设计 | 第29-45页 |
| 3.1 任务卸载问题描述和分析 | 第29-31页 |
| 3.1.1 移动云计算任务卸载架构 | 第29-31页 |
| 3.1.2 任务卸载策略解决的问题 | 第31页 |
| 3.2 基于TETOA算法的任务卸载策略 | 第31-39页 |
| 3.2.1 卸载问题模型 | 第31-33页 |
| 3.2.2 时间有效性任务卸载算法（TETOA） | 第33-38页 |
| 3.2.3 基于TETOA算法的任务卸载策略执行过程 | 第38-39页 |
| 3.3 仿真实验与结果分析 | 第39-43页 |
| 3.3.1 实验环境及参数设置 | 第39-40页 |
| 3.3.2 仿真结果分析 | 第40-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 移动云计算中虚拟机调度策略设计 | 第45-59页 |
| 4.1 虚拟机调度问题描述 | 第45-47页 |
| 4.1.1 负载均衡 | 第46-47页 |
| 4.1.2 最小化虚拟机迁移数量 | 第47页 |
| 4.2 粒子群算法概述 | 第47-49页 |
| 4.2.1 粒子群算法的原理 | 第47-48页 |
| 4.2.2 粒子群算法的参数控制 | 第48-49页 |
| 4.3 基于反馈信息的惯性权重与学习因子自适应多目标粒子群优化算法 | 第49-52页 |
| 4.3.1 MPSO-AIAF算法的惯性权重自适应调整策略 | 第49-50页 |
| 4.3.2 MPSO-AIAF算法的学习因子自适应调整策略 | 第50-51页 |
| 4.3.3 MPSO-AIAF算法执行过程 | 第51-52页 |
| 4.4 基于MPSO-AIAF算法的虚拟机调度策略 | 第52-53页 |
| 4.5 仿真实验与结果分析 | 第53-58页 |
| 4.5.1 实验环境及参数设置 | 第53-54页 |
| 4.5.2 仿真结果分析 | 第54-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 全文总结工作 | 第59-60页 |
| 5.2 建议与展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 作者简介及科研实践 | 第67-69页 |
| 致谢 | 第69页 |
