| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 云计算发展现状 | 第9-12页 |
| 1.2.2 MapReduce编程模型研究现状 | 第12-13页 |
| 1.3 本文研究内容和组织结构 | 第13-15页 |
| 第二章 相关技术 | 第15-26页 |
| 2.1 云计算 | 第15-18页 |
| 2.1.1 云计算的定义 | 第15-17页 |
| 2.1.2 云计算的主要特征 | 第17页 |
| 2.1.3 关键技术 | 第17-18页 |
| 2.2 MapReduce编程模型和Hadoop平台介绍 | 第18-21页 |
| 2.2.1 MapReduce简介 | 第18-19页 |
| 2.2.2 MapReduce执行流程 | 第19-20页 |
| 2.2.3 Hadoop概述 | 第20-21页 |
| 2.3 CloudSim | 第21-25页 |
| 2.3.1 CloudSim框架介绍 | 第22-23页 |
| 2.3.2 CloudSim核心类 | 第23-24页 |
| 2.3.3 CloudSim通信机制 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于蚁群模拟退火的云任务调度策略 | 第26-45页 |
| 3.1 MapReduce作业调度概述 | 第26-29页 |
| 3.1.1 现有调度算法 | 第26-27页 |
| 3.1.2 作业调度算法优化研究 | 第27-29页 |
| 3.2 蚁群算法和模拟退火算法概述 | 第29-34页 |
| 3.2.1 ACO原理和数学模型 | 第29-32页 |
| 3.2.2 SA原理和数学模型 | 第32-33页 |
| 3.2.3 ACO和SA的优缺点 | 第33-34页 |
| 3.3 蚁群模拟退火算法设计 | 第34-40页 |
| 3.3.1 蚁群模拟退火算法过程 | 第35页 |
| 3.3.2 蚁群模拟退火算法的相关设定 | 第35-39页 |
| 3.3.3 蚁群模拟退火算法实现流程 | 第39-40页 |
| 3.4 仿真实验与性能分析 | 第40-44页 |
| 3.4.1 仿真参数设置 | 第41-42页 |
| 3.4.2 实验结果与分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于可信任度的任务调度策略 | 第45-54页 |
| 4.1 问题描述 | 第45-46页 |
| 4.2 引入失效恢复机制的可靠性任务调度策略 | 第46-49页 |
| 4.2.1 可信任度度量指标 | 第46-47页 |
| 4.2.2 引入失效恢复机制的可信任度模型 | 第47-49页 |
| 4.3 引入失效恢复机制的可靠性任务调度算法 | 第49-50页 |
| 4.4 仿真实验 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结和展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 致谢 | 第60页 |