云计算环境下面向调度优化时效的预测方法研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 云计算国内外研究现状 | 第11-13页 |
| 1.2.2 深度学习 | 第13-14页 |
| 1.3 存在的问题与拟解决方法 | 第14-15页 |
| 1.4 本文的研究内容 | 第15-16页 |
| 1.5 论文组织结构 | 第16页 |
| 1.6 本章小结 | 第16-17页 |
| 第2章 相关研究与关键技术 | 第17-28页 |
| 2.1 云计算与任务调度的相关介绍 | 第17-21页 |
| 2.1.1 云计算的定义 | 第17页 |
| 2.1.2 云计算的分类和关键技术 | 第17-19页 |
| 2.1.3 云计算任务调度 | 第19-21页 |
| 2.2 常用的资源调度算法研究 | 第21-26页 |
| 2.2.1 传统的资源调度算法 | 第22-23页 |
| 2.2.2 智能化的调度算法 | 第23-26页 |
| 2.3 深度学习 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 面向任务最短执行时间的算法优化 | 第28-58页 |
| 3.1 云计算资源调度的目标 | 第28-29页 |
| 3.2 云计算调度模型的分析与建立 | 第29-31页 |
| 3.3 改进鸟群算法和新蝙蝠群算法 | 第31-57页 |
| 3.3.1 改进的鸟群算法 | 第31-35页 |
| 3.3.2 新蝙蝠群算法 | 第35-41页 |
| 3.3.3 改进鸟群算法仿真 | 第41-48页 |
| 3.3.4 改进新蝙蝠群算法仿真 | 第48-55页 |
| 3.3.5 ONBA和ISBSA算法对比分析 | 第55-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第4章 面向优化时效的改进深度学习模型 | 第58-77页 |
| 4.1 引言 | 第58页 |
| 4.2 RBM训练改进 | 第58-65页 |
| 4.3 模型训练次数的改进 | 第65-67页 |
| 4.4 BP算法中学习率的改进 | 第67-70页 |
| 4.5 深度学习模型改进仿真 | 第70-76页 |
| 4.6 本章小结 | 第76-77页 |
| 第5章 实验仿真及结果分析 | 第77-86页 |
| 5.1 引言 | 第77页 |
| 5.2 深度学习预测调度仿真 | 第77-84页 |
| 5.2.1 深度学习对于ONBA调度结果的预测 | 第78-80页 |
| 5.2.2 深度学习对于ISBSA调度结果的预测 | 第80-82页 |
| 5.2.3 深度学习对于传统调度结果的预测 | 第82-84页 |
| 5.3 本章小结 | 第84-86页 |
| 第6章 总结与展望 | 第86-88页 |
| 6.1 总结 | 第86-87页 |
| 6.2 展望 | 第87-88页 |
| 参考文献 | 第88-96页 |
| 致谢 | 第96-97页 |
| 攻读学位期间的科研项目和学术论文 | 第97页 |
