云环境下科学工作流数据布局策略的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题研究背景 | 第10-13页 |
| ·研究背景概述 | 第10-11页 |
| ·应用领域 | 第11-13页 |
| ·国内外研究现状及研究目标 | 第13-15页 |
| ·云计算数据中心研究的热点 | 第13页 |
| ·云数据中心数据布局的问题 | 第13-14页 |
| ·国内外研究现状及分析 | 第14-15页 |
| ·课题意义及研究目标 | 第15页 |
| ·论文研究的内容和组织结构 | 第15-16页 |
| ·章节安排 | 第16-17页 |
| 第二章 数据中心数据布局的相关研究 | 第17-24页 |
| ·云计算数据布局问题的提出 | 第17-18页 |
| ·数据中心数据布局的相关概念 | 第18-20页 |
| ·数据中心 | 第18-19页 |
| ·数据布局 | 第19-20页 |
| ·科学工作流 | 第20-23页 |
| ·科学工作流的概念 | 第20-22页 |
| ·科学工作流的工作流程 | 第22-23页 |
| ·数据布局策略的评价标准 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 聚类算法数据布局策略及改进 | 第24-32页 |
| ·数据集布局模型 | 第24-27页 |
| ·相关概念 | 第24-26页 |
| ·举例解释模型 | 第26-27页 |
| ·数据布局的改进聚类策略 | 第27-28页 |
| ·仿真结果与分析 | 第28-31页 |
| ·实验环境介绍 | 第28页 |
| ·仿真结果 | 第28-31页 |
| ·仿真分析 | 第31页 |
| ·本章总结 | 第31-32页 |
| 第四章 基于两阶段的数据布局策略 | 第32-48页 |
| ·初始化阶段的数据布局 | 第33-36页 |
| ·遗传算法的应用 | 第33页 |
| ·编码原则 | 第33-34页 |
| ·适应度函数的选择 | 第34-35页 |
| ·非正常染色体调整 | 第35页 |
| ·对于种群基因的启发式优化策略 | 第35-36页 |
| ·启发式遗传算法 | 第36-37页 |
| ·启发式遗传算法的选择算子 | 第36页 |
| ·启发式遗传算法的交叉算子 | 第36-37页 |
| ·启发式遗传算法的变异算子 | 第37页 |
| ·初始化阶段算法 | 第37-39页 |
| ·运行时阶段的数据布局 | 第39-41页 |
| ·K-Means算法的应用 | 第39-40页 |
| ·基于启发式K-Means的生成数据的布局 | 第40-41页 |
| ·运行时阶段算法 | 第41-42页 |
| ·数据布局策略衡量标准 | 第42-43页 |
| ·仿真结果与分析 | 第43-47页 |
| ·实验环境介绍 | 第43页 |
| ·仿真结果 | 第43-47页 |
| ·仿真分析 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·全文总结 | 第48页 |
| ·研究展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 硕士期间发表的论文、科研成果等 | 第54-55页 |
| 致谢 | 第55页 |
