| 中文摘要 | 第9-12页 |
| ABSTRACT | 第12-15页 |
| 第1章 绪论 | 第16-30页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-25页 |
| 1.3 本文工作和主要创新点 | 第25-27页 |
| 1.4 本文组织结构 | 第27-29页 |
| 1.5 本章小结 | 第29-30页 |
| 第2章 相关理论及研究工作 | 第30-46页 |
| 2.1 调度问题的定义及分类 | 第30-35页 |
| 2.2 异构调度的NP完全性 | 第35-36页 |
| 2.3 调度QoS指标量化 | 第36-41页 |
| 2.4 调度算法设计 | 第41-44页 |
| 2.5 本章小结 | 第44-46页 |
| 第3章 融合能效感知异构调度模型 | 第46-64页 |
| 3.1 DAG(Directed Acyclic Graph)模型 | 第47-50页 |
| 3.2 计算环境的异构性 | 第50-51页 |
| 3.3 QoS评价指标数学表述 | 第51-61页 |
| 3.4 异构调度多目标优化模型 | 第61-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第4章 基因-模因自组织协同进化的人工免疫算法 | 第64-100页 |
| 4.1 人工免疫算法理论 | 第64-73页 |
| 4.2 协同进化的动力学模型 | 第73-76页 |
| 4.3 MCMC算法设计 | 第76-87页 |
| 4.4 算法时间复杂度分析 | 第87-88页 |
| 4.5 实验与结论 | 第88-97页 |
| 4.6 本章小结 | 第97-100页 |
| 第5章 多目标自适应群体智能进化算法 | 第100-128页 |
| 5.1 群体智能 | 第100-104页 |
| 5.2 粒子群算法 | 第104-109页 |
| 5.3 DPMO算法设计 | 第109-112页 |
| 5.4 算法性能分析 | 第112-119页 |
| 5.5 实验与结论 | 第119-125页 |
| 5.6 本章小结 | 第125-128页 |
| 第6章 总结与展望 | 第128-131页 |
| 6.1 本文主要工作总结 | 第128-129页 |
| 6.2 未来工作展望 | 第129-131页 |
| 参考文献 | 第131-142页 |
| 致谢 | 第142-144页 |
| 攻读博士学位期间发表的学术论文目录 | 第144-145页 |
| 攻读博士学位期间获奖情况 | 第145-146页 |
| 外文论文 | 第146-182页 |
| 学位论文评阅及答辩倩况表 | 第182页 |