| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题的研究背景和意义 | 第7-8页 |
| ·国内外的研究现状 | 第8-11页 |
| ·本文的主要工作 | 第11页 |
| ·本文的结构 | 第11-13页 |
| 第二章 相关技术与平台介绍 | 第13-21页 |
| ·云计算概述 | 第13-14页 |
| ·云计算的定义和特征 | 第13-14页 |
| ·云计算的关键技术 | 第14页 |
| ·云计算关键技术之 MAPREDUCE 编程框架 | 第14-20页 |
| ·Google MapReduce 编程框架简介 | 第15-16页 |
| ·Hadoop MapReduce 编程框架简介 | 第16-19页 |
| ·Hadoop MapReduce 中的任务调度 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于负载均衡的多目标任务调度模型 | 第21-27页 |
| ·多目标优化简介 | 第21-23页 |
| ·问题描述 | 第23-24页 |
| ·模型建立 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第四章 任务调度多目标优化算法 | 第27-39页 |
| ·多目标优化算法简介 | 第27-29页 |
| ·模型求解 | 第29-37页 |
| ·编码与解码 | 第30-31页 |
| ·交叉算子 | 第31-32页 |
| ·变异算子 | 第32-33页 |
| ·修正算子 | 第33-34页 |
| ·局部搜索算子 | 第34-37页 |
| ·任务调度多目标优化算法流程 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 实验仿真与分析 | 第39-45页 |
| ·参数设置 | 第39-40页 |
| ·任务粒度设置 | 第39页 |
| ·资源利用率初始值和最优值设置 | 第39-40页 |
| ·基于 MOEA/D 的多目标遗传算法的参数设置 | 第40页 |
| ·实验结果与分析 | 第40-44页 |
| ·基于负载均衡的任务调度方案的解 | 第40-41页 |
| ·基于负载均衡的 Pareto 解集之左上端点分析 | 第41-42页 |
| ·基于负载均衡的 Pareto 解集之右下端点分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-47页 |
| ·本文工作总结 | 第45页 |
| ·后期工作及展望 | 第45-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 研究生在读期间的研究成果 | 第53-54页 |