| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-11页 |
| ·研究意义 | 第11页 |
| ·研究内容 | 第11-12页 |
| ·文章的组织结构 | 第12-13页 |
| 第二章 网格技术概述 | 第13-18页 |
| ·网格的体系结构 | 第13-16页 |
| ·五层沙漏结构 | 第13-15页 |
| ·开放网格服务体系结构OGSA | 第15-16页 |
| ·网格计算的关键技术 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 网格环境下的任务调度方法 | 第18-24页 |
| ·任务调度的基本特征与主要目标 | 第18-20页 |
| ·任务调度的基本特征 | 第18-19页 |
| ·任务调度的主要目标 | 第19-20页 |
| ·现有的网格任务调度算法 | 第20-23页 |
| ·NP完全问题 | 第20页 |
| ·启发式算法 | 第20-22页 |
| ·基于Agent的任务调度 | 第22页 |
| ·基于Petri网的任务调度模型 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第四章 基于任务复制的遗传调度算法 | 第24-41页 |
| ·DAG模型 | 第24-25页 |
| ·遗传算法 | 第25-27页 |
| ·基于任务复制的调度算法 | 第27-28页 |
| ·基于任务复制的遗传调度算法 | 第28-32页 |
| ·染色体编码与解码 | 第28-29页 |
| ·初始种群 | 第29页 |
| ·适应度函数 | 第29-30页 |
| ·选择操作 | 第30页 |
| ·交叉操作 | 第30-31页 |
| ·变异操作 | 第31页 |
| ·优化 | 第31-32页 |
| ·TDGA算法流程 | 第32页 |
| ·仿真实验与结果分析 | 第32-40页 |
| ·遗传算法参数的设置 | 第33-34页 |
| ·交叉概率Pc对TDGA的影响 | 第34页 |
| ·变异概率Pm对TDGA的影响 | 第34-35页 |
| ·种群规模Pop_Size对TDGA的影响 | 第35页 |
| ·最大进化代数Max_G对TDGA的影响 | 第35-36页 |
| ·算法对比分析实验 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于经济模型的网格任务调度算法 | 第41-60页 |
| ·基于经济学的网格资源分配模型 | 第41-43页 |
| ·Nimrod-G系统及其调度框架 | 第43-47页 |
| ·Nimrod-G系统的调度框架 | 第43-45页 |
| ·Deadline and Budget Constrained(DBC)调度策略 | 第45-47页 |
| ·问题描述 | 第47-48页 |
| ·基于平均成本的DBC分类调度算法 | 第48-50页 |
| ·模拟实验 | 第50-58页 |
| ·GridSim | 第50-51页 |
| ·实验条件 | 第51-52页 |
| ·与时间最优化算法的比较 | 第52-55页 |
| ·与费用优化算法、费用时间优化算法的比较 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 第六章 总结及未来展望 | 第60-62页 |
| ·本文总结 | 第60页 |
| ·本文的局限性 | 第60-61页 |
| ·未来展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表论文 | 第69页 |