云计算环境下的启发式任务调度算法
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 云计算任务调度研究现状 | 第15-18页 |
| 1.2.1 Google的MapReduce调度 | 第15-16页 |
| 1.2.2 Amazon的调度策略 | 第16页 |
| 1.2.3 IBM调度策略 | 第16页 |
| 1.2.4 Windows Azure调度策略 | 第16-17页 |
| 1.2.5 Apache Hadoop调度策略 | 第17页 |
| 1.2.6 现有的算法研究趋势 | 第17-18页 |
| 1.3 论文研究的主要内容和创新点 | 第18-19页 |
| 1.4 论文结构及内容安排 | 第19-20页 |
| 第二章 云计算任务调度基础研究 | 第20-30页 |
| 2.1 云计算概述 | 第20-25页 |
| 2.1.1 云计算概念和定义 | 第20页 |
| 2.1.2 云计算系统和服务 | 第20-22页 |
| 2.1.3 云计算体系结构 | 第22-23页 |
| 2.1.4 云计算关键技术 | 第23-25页 |
| 2.2 云计算任务调度概述 | 第25-29页 |
| 2.2.1 云计算任务调度概念 | 第26-27页 |
| 2.2.2 云计算任务调度特点 | 第27页 |
| 2.2.3 云计算任务调度目标 | 第27-28页 |
| 2.2.4 传统的任务调度算法 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 启发式算法 | 第30-48页 |
| 3.1 遗传算法 | 第30-31页 |
| 3.2 粒子群算法 | 第31页 |
| 3.3 基本布谷鸟搜索算法 | 第31-35页 |
| 3.3.1 寄生育雏行为和莱维飞行 | 第31-32页 |
| 3.3.2 基本布谷鸟算法思想 | 第32-33页 |
| 3.3.3 基本布谷鸟搜索算法伪代码和流程图 | 第33-34页 |
| 3.3.4 算法的优缺点 | 第34-35页 |
| 3.4 改进的布谷鸟搜索算法 | 第35-38页 |
| 3.4.1 柯西分布和柯西变异算子 | 第35-36页 |
| 3.4.2 自适应柯西变异布谷鸟搜索算法 | 第36页 |
| 3.4.3 改进后的算法流程 | 第36-38页 |
| 3.5 基本混合蛙跳算法思想 | 第38-41页 |
| 3.5.1 模因算法和粒子群算法 | 第38页 |
| 3.5.2 基本混合蛙跳算法思想 | 第38-39页 |
| 3.5.3 基本混合蛙跳算法伪代码和流程图 | 第39-40页 |
| 3.5.4 算法的优缺点 | 第40-41页 |
| 3.6 改进的混合蛙跳算法思想 | 第41-44页 |
| 3.6.1 双学习能力因子 | 第41页 |
| 3.6.2 改进的局部搜索策略 | 第41-42页 |
| 3.6.3 改进后的算法流程 | 第42-44页 |
| 3.7 标准测试函数实验 | 第44-47页 |
| 3.7.1 实验参数设置 | 第44页 |
| 3.7.2 实验结果与分析 | 第44-47页 |
| 3.8 本章小结 | 第47-48页 |
| 第四章 云计算环境下的启发式任务调度算法 | 第48-52页 |
| 4.1 云计算任务调度问题描述 | 第48-49页 |
| 4.2 编码方式 | 第49页 |
| 4.3 适应度函数设计 | 第49-50页 |
| 4.4 基于ACCS的任务调度步骤 | 第50-51页 |
| 4.5 基于DLSFLA的任务调度步骤 | 第51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 实验仿真 | 第52-66页 |
| 5.1 CloudSim相关简介 | 第52-54页 |
| 5.1.1 CloudSim的特点 | 第52页 |
| 5.1.2 CloudSim体系结构 | 第52-54页 |
| 5.2 仿真环境与实验参数设置 | 第54-56页 |
| 5.2.1 环境配置 | 第54-55页 |
| 5.2.2 仿真步骤 | 第55-56页 |
| 5.3 实验结果及分析 | 第56-64页 |
| 5.3.1 算法性能分析 | 第56-61页 |
| 5.3.2 任务调度结果分析 | 第61-64页 |
| 5.4 本章小结 | 第64-66页 |
| 总结与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间发表的论文 | 第70-72页 |
| 致谢 | 第72页 |
