云计算中基于进化算法的任务调度策略研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 课题研究的目的和意义 | 第11-12页 |
| 1.2 国内外研究的现状 | 第12-13页 |
| 1.3 云计算概述 | 第13-23页 |
| 1.3.1 云计算的定义 | 第13-15页 |
| 1.3.2 云计算的体系结构 | 第15-17页 |
| 1.3.3 云计算的分类 | 第17-20页 |
| 1.3.4 云计算的主要特征 | 第20-21页 |
| 1.3.5 云计算的主要应用领域 | 第21-22页 |
| 1.3.6 云计算中存在的问题 | 第22页 |
| 1.3.7 云计算与网格计算的对比 | 第22-23页 |
| 1.4 论文组织结构 | 第23-25页 |
| 第2章 云计算中任务调度的相关研究 | 第25-41页 |
| 2.1 任务调度简介 | 第25-28页 |
| 2.1.1 任务调度的概述 | 第25-26页 |
| 2.1.2 任务调度的特点 | 第26-27页 |
| 2.1.3 任务调度的目标 | 第27-28页 |
| 2.2 传统型任务调度算法 | 第28-29页 |
| 2.2.1 Min-min算法 | 第28页 |
| 2.2.2 Max-min算法 | 第28-29页 |
| 2.2.3 Sufferage算法 | 第29页 |
| 2.3 智能化任务调度算法 | 第29-40页 |
| 2.3.1 遗传算法 | 第29-33页 |
| 2.3.2 模拟退火算法 | 第33页 |
| 2.3.3 蚁群算法 | 第33-34页 |
| 2.3.4 粒子群优化算法 | 第34-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第3章 云计算任务调度模型 | 第41-49页 |
| 3.1 云计算中的任务调度 | 第41-42页 |
| 3.2 问题定义 | 第42-43页 |
| 3.3 传统的任务调度模型 | 第43-44页 |
| 3.4 改进任务调度模型 | 第44-46页 |
| 3.5 任务调度数学模型 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 改进进化论算法 | 第49-62页 |
| 4.1 进化论 | 第49页 |
| 4.2 进化计算 | 第49-50页 |
| 4.3 粒子群算法与遗传算法分析比较 | 第50-53页 |
| 4.3.1 粒子群算法的特点 | 第50页 |
| 4.3.2 遗传算法的特点 | 第50-51页 |
| 4.3.3 粒子群算法的收敛性分析 | 第51-52页 |
| 4.3.4 粒子群算法与遗传算法的比较 | 第52-53页 |
| 4.4 PSO-CM算法理论分析 | 第53-54页 |
| 4.5 算法的编码方式 | 第54-56页 |
| 4.6 PSO-CM算法 | 第56-58页 |
| 4.6.1 交叉策略 | 第56-57页 |
| 4.6.2 变异策略 | 第57-58页 |
| 4.7 PSO-CM算法的执行过程 | 第58-59页 |
| 4.8 PSO-CM算法的收敛性分析 | 第59-61页 |
| 4.8.1 全局搜索算法的收敛准则 | 第59-60页 |
| 4.8.2 PSO-CM算法全局收敛性证明 | 第60-61页 |
| 4.9 本章小结 | 第61-62页 |
| 第5章 实验仿真与结果分析 | 第62-67页 |
| 5.1 实验环境 | 第62页 |
| 5.2 算法输入 | 第62-63页 |
| 5.3 参数设置 | 第63-64页 |
| 5.4 实验结果分析 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 全文总结与讨论 | 第67-68页 |
| 6.2 课题后续工作的展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表论文 | 第74页 |
