基于主机负载预测的机群动态任务调度策略研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-12页 |
| Contents | 第12-16页 |
| 第一章 绪论 | 第16-21页 |
| ·课题的研究意义与研究现状 | 第16-19页 |
| ·研究意义 | 第16-18页 |
| ·课题研究的现状 | 第18-19页 |
| ·研究内容 | 第19-20页 |
| ·论文的组织 | 第20-21页 |
| 第二章 并行虚拟机PVM | 第21-31页 |
| ·机群系统 | 第21-22页 |
| ·PVM平台简介 | 第22页 |
| ·PVM的组成 | 第22-23页 |
| ·PVM的通信 | 第23-25页 |
| ·PVM的通信机制 | 第23-24页 |
| ·PVM的通信函数 | 第24-25页 |
| ·PVM任务调度机制 | 第25页 |
| ·影响PVM程序性能的因素 | 第25-29页 |
| ·负载平衡 | 第25-27页 |
| ·通信开销 | 第27-28页 |
| ·网络性能 | 第28页 |
| ·任务粒度与处理机个数 | 第28-29页 |
| ·WPVM简介 | 第29-31页 |
| 第三章 主机负载预测方法 | 第31-39页 |
| ·负载指标的选择 | 第31-32页 |
| ·负载的特性 | 第32-33页 |
| ·时间序列法 | 第33-37页 |
| ·时间序列法描述 | 第34页 |
| ·典型的时间序列预测模型 | 第34-37页 |
| ·传统时间序列模型建模、预测过程 | 第37页 |
| ·传统时序模型应用于负载预测的缺点 | 第37-39页 |
| 第四章 遗传神经网络 | 第39-51页 |
| ·BP神经网络 | 第39-42页 |
| ·BP网络结构 | 第40-42页 |
| ·BP算法的优缺点 | 第42页 |
| ·遗传算法 | 第42-46页 |
| ·遗传算法基本操作 | 第43-44页 |
| ·遗传算法主要参数的选择 | 第44-45页 |
| ·遗传算法的优缺点 | 第45-46页 |
| ·遗传神经网络 | 第46-48页 |
| ·网络层数和各神经元的传递函数 | 第47页 |
| ·输入输出层的神经元个数 | 第47页 |
| ·遗传算法中参数的选择 | 第47-48页 |
| ·算法设计及实现 | 第48-51页 |
| ·遗传算法优化BP网络初始权重 | 第48-50页 |
| ·BP算法修正网络权重 | 第50-51页 |
| 第五章 主机负载预测的建模与评估 | 第51-58页 |
| ·主机负载预测建模 | 第51-52页 |
| ·主机负载的聚合 | 第52-53页 |
| ·模型的改进 | 第53-54页 |
| ·实验 | 第54-58页 |
| ·实验方法 | 第54-56页 |
| ·实验结果 | 第56页 |
| ·实验结论 | 第56-58页 |
| 第六章 动态任务调度策略的设计与实现 | 第58-83页 |
| ·任务模型 | 第58-60页 |
| ·有向无环图DAG模型 | 第58-59页 |
| ·基于PVM系统的任务模型 | 第59-60页 |
| ·任务调度的驱动策略 | 第60-61页 |
| ·接收者驱动策略 | 第60页 |
| ·发送者驱动策略 | 第60-61页 |
| ·任务调度策略 | 第61-64页 |
| ·现有的动态调度策略 | 第61-62页 |
| ·改进的调度策略 | 第62-64页 |
| ·动态任务调度算法设计 | 第64-70页 |
| ·任务派生阶段 | 第65-66页 |
| ·任务运行阶段 | 第66-70页 |
| ·算法分析 | 第70页 |
| ·调度策略在PVM上的实现 | 第70-73页 |
| ·工程算例 | 第73-83页 |
| ·电法勘测 | 第73-79页 |
| ·实验及结果分析 | 第79-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士学位期间发表的论文 | 第89-91页 |
| 致谢 | 第91页 |
