基于启发式算法的云计算调度方法的设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景与研究意义 | 第7页 |
| 1.2 云计算调度国内外研究现状 | 第7-10页 |
| 1.2.1 解决QOS问题 | 第8页 |
| 1.2.2 保证系统负载均衡 | 第8-9页 |
| 1.2.3 减少能耗 | 第9-10页 |
| 1.3 本文组织结构 | 第10-11页 |
| 2 云计算及启发式调度算法 | 第11-23页 |
| 2.1 云计算 | 第11-18页 |
| 2.1.1 云计算的三个服务模型 | 第11-12页 |
| 2.1.2 云计算的四个部署模型 | 第12-13页 |
| 2.1.3 云计算的五个基本特征 | 第13页 |
| 2.1.4 主流的云计算调度策略 | 第13-17页 |
| 2.1.5 云计算重要核心技术 | 第17-18页 |
| 2.2 云计算任务调度问题描述 | 第18-20页 |
| 2.2.1 云计算任务调度的特点 | 第18-19页 |
| 2.2.2 云计算任务调度的目标 | 第19页 |
| 2.2.3 云计算任务调度过程描述 | 第19-20页 |
| 2.3 云计算任务调度算法 | 第20-22页 |
| 2.3.1 传统的任务调度算法 | 第21页 |
| 2.3.2 启发式任务调度算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 以任务完成时间为目标的云计算任务调度方法 | 第23-34页 |
| 3.1 基于蚁群优化算法的云计算任务调度 | 第23-24页 |
| 3.2 基于改进蚁群优化算法的任务调度 | 第24-26页 |
| 3.2.1 信息素更新方式的改进 | 第24-25页 |
| 3.2.2 信息素挥发系数的改进 | 第25页 |
| 3.2.3 算法流程 | 第25-26页 |
| 3.3 人工蜂群算法 | 第26-29页 |
| 3.3.1 蜜蜂觅食原理 | 第26-28页 |
| 3.3.2 人工蜂群算法执行步骤 | 第28-29页 |
| 3.4 基于改进人工蜂群算法的任务调度方法 | 第29-33页 |
| 3.4.1 初始化 | 第29-30页 |
| 3.4.2 改进食物源的选择概率模型 | 第30页 |
| 3.4.3 改进蜂群的搜索策略 | 第30-32页 |
| 3.4.4 基于改进人工蜂群算法的任务调度流程 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 多目标云计算任务调度策略 | 第34-40页 |
| 4.1 遗传算法 | 第34-36页 |
| 4.2 基于改进遗传算法的多目标任务调度 | 第36-39页 |
| 4.2.1 染色体编码 | 第36页 |
| 4.2.2 适应度函数的设计 | 第36-38页 |
| 4.2.3 种群初始化方案设计 | 第38页 |
| 4.2.4 遗传算子设计 | 第38-39页 |
| 4.2.5 终止条件设计 | 第39页 |
| 4.3 本章小结 | 第39-40页 |
| 5 实验及结果分析 | 第40-55页 |
| 5.1 CloudSim简介 | 第40-42页 |
| 5.1.1 CloudSim架构分析 | 第40-41页 |
| 5.1.2 CloudSim技术分析 | 第41-42页 |
| 5.1.3 CloudSim仿真步骤 | 第42页 |
| 5.2 实验环境以及实验缩略词表 | 第42-43页 |
| 5.3 以任务最小完工时间为目标的任务调度实验 | 第43-48页 |
| 5.3.1 改进蚁群优化算法的任务调度实验 | 第43-45页 |
| 5.3.2 改进人工蜂群算法的任务调度实验 | 第45-47页 |
| 5.3.3 两种改进算法与其他算法的对比实验 | 第47-48页 |
| 5.4 多目标任务调度实验 | 第48-54页 |
| 5.4.1 实验参数设置 | 第48-49页 |
| 5.4.2 基于改进遗传算法的多目标任务调度实验 | 第49-54页 |
| 5.5 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 本文工作总结 | 第55页 |
| 6.2 未来研究工作 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |
