基于膜计算的粒子群算法在云资源调度中的研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究内容及方法 | 第13-15页 |
| 1.4 论文章节安排 | 第15-16页 |
| 第二章 云资源调度相关技术 | 第16-23页 |
| 2.1 云计算概述 | 第16-18页 |
| 2.1.1 体系结构和特点 | 第16-18页 |
| 2.1.2 云数据中心 | 第18页 |
| 2.2 云计算资源调度概述 | 第18-22页 |
| 2.2.1 资源调度模型 | 第19页 |
| 2.2.2 资源调度流程 | 第19-20页 |
| 2.2.3 启发式算法分析 | 第20-21页 |
| 2.2.4 对比算法 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于膜计算的改进粒子群算法 | 第23-48页 |
| 3.1 粒子群算法 | 第23-26页 |
| 3.1.1 PSO算法原理 | 第23-25页 |
| 3.1.2 PSO算法执行流程 | 第25-26页 |
| 3.2 膜计算 | 第26-28页 |
| 3.2.1 膜计算的产生 | 第27页 |
| 3.2.2 膜计算的基本概念 | 第27-28页 |
| 3.3 改进的混沌粒子群算法 | 第28-31页 |
| 3.3.1 混沌的特征与产生模型 | 第28-29页 |
| 3.3.2 ICLPSO算法思想 | 第29页 |
| 3.3.3 ICLPSO算法执行步骤 | 第29-31页 |
| 3.4 改进的FMEPSO算法 | 第31-37页 |
| 3.4.1 算法思想 | 第31-32页 |
| 3.4.2 基于快速收敛的算法改进 | 第32-33页 |
| 3.4.3 基于多尺度动态适应变异逃逸的算法改进 | 第33-34页 |
| 3.4.4 算法描述 | 第34-36页 |
| 3.4.5 算法执行流程 | 第36-37页 |
| 3.5 改进的M-PSO算法 | 第37-40页 |
| 3.5.1 M-PSO算法思想 | 第37页 |
| 3.5.2 编码规则 | 第37-38页 |
| 3.5.3 进化规则 | 第38-39页 |
| 3.5.4 算法流程 | 第39-40页 |
| 3.6 仿真实验及结果分析 | 第40-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 M-PSO于云资源调度的应用 | 第48-63页 |
| 4.1 M-PSO于云资源调度策略分析 | 第48-54页 |
| 4.1.1 可行性分析 | 第48-49页 |
| 4.1.2 物理模型 | 第49-51页 |
| 4.1.3 设计策略 | 第51页 |
| 4.1.4 数学模型 | 第51-54页 |
| 4.2 M-PSO于云资源中调度模型 | 第54-62页 |
| 4.2.1 目标函数 | 第54-57页 |
| 4.2.2 约束条件 | 第57页 |
| 4.2.3 算法设计 | 第57-61页 |
| 4.2.4 实现流程 | 第61-62页 |
| 4.3 本章小结 | 第62-63页 |
| 第五章 实验及结果分析 | 第63-80页 |
| 5.1 仿真系统分析 | 第63-67页 |
| 5.1.1 平台简介 | 第63页 |
| 5.1.2 体系结构 | 第63-65页 |
| 5.1.3 CloudSim仿真核心类 | 第65-67页 |
| 5.2 仿真环境和步骤 | 第67-69页 |
| 5.2.1 仿真环境 | 第67页 |
| 5.2.2 仿真步骤 | 第67-69页 |
| 5.3 实验结果分析 | 第69-79页 |
| 5.3.1 性能指标 | 第69-70页 |
| 5.3.2 实验模拟及结果分析 | 第70-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 全文总结 | 第80-81页 |
| 6.2 未来展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 攻读硕士学位期间取得的研究成果 | 第89页 |
