| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 多目标免疫算法的研究现状 | 第9-10页 |
| 1.3 本文的主要工作及其结构 | 第10-12页 |
| 第2章 多目标免疫算法的基础理论 | 第12-16页 |
| 2.1 多目标优化问题的数学描述 | 第12页 |
| 2.2 多目标优化算法的性能指标 | 第12-13页 |
| 2.3 多目标免疫算法 | 第13-16页 |
| 2.3.1 免疫算法原理 | 第13-14页 |
| 2.3.2 多目标免疫算法框架 | 第14-16页 |
| 第3章 改进的多目标免疫算法 | 第16-32页 |
| 3.1 引言 | 第16-17页 |
| 3.2 结合多个差分进化策略的自适应多目标免疫算法 | 第17-23页 |
| 3.2.1 AIMA算法流程 | 第17-18页 |
| 3.2.2 三种DE策略 | 第18-19页 |
| 3.2.3 自适应DE策略选择 | 第19-22页 |
| 3.2.4 混合选择操作 | 第22-23页 |
| 3.3 算法仿真与分析 | 第23-31页 |
| 3.3.1 测试函数 | 第23-24页 |
| 3.3.2 实验设置 | 第24页 |
| 3.3.3 AIMA与不同类型的多目标优化算法比较 | 第24-27页 |
| 3.3.4 AIMA与基于DE的多目标优化算法比较 | 第27-28页 |
| 3.3.5 AIMA与多目标免疫算法比较 | 第28-30页 |
| 3.3.6 操作算子有效性分析 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 多目标免疫算法在云工作流调度中的应用 | 第32-45页 |
| 4.1 引言 | 第32-33页 |
| 4.2 云工作流调度问题 | 第33-36页 |
| 4.2.1 工作流模型 | 第33-34页 |
| 4.2.2 云资源模型 | 第34-35页 |
| 4.2.3 云工作流调度问题的多目标优化模型 | 第35-36页 |
| 4.3 基于多目标免疫算法的云工作流调度算法 | 第36-39页 |
| 4.3.1 编码 | 第36-37页 |
| 4.3.2 改进的交叉操作 | 第37-39页 |
| 4.3.3 变异操作 | 第39页 |
| 4.4 实验仿真与分析 | 第39-44页 |
| 4.4.1 实验环境 | 第39-40页 |
| 4.4.2 实验设置 | 第40-41页 |
| 4.4.3 IMCWS与NSGA-Ⅱ~*、EMS-C对比 | 第41-43页 |
| 4.4.4 操作算子有效性分析 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间的研究成果 | 第52页 |
