首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

云计算环境下基于改进PSO算法的任务调度研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第11-17页
    1.1 研究的背景及意义第11-12页
        1.1.1 研究的背景第11-12页
        1.1.2 研究的意义第12页
    1.2 国内外研究现状第12-15页
        1.2.1 云计算任务调度研究现状第12-14页
        1.2.2 粒子群算法研究现状第14-15页
    1.3 作者所做的工作第15页
    1.4 论文的组织结构第15-17页
第2章 任务调度概述第17-26页
    2.1 分布式计算中的任务调度第17-19页
        2.1.1 网格计算中的任务调度第17-18页
        2.1.2 P2P-Grid计算中的任务调度第18-19页
    2.2 云计算中的任务调度第19-22页
        2.2.1 云计算任务调度框架第20页
        2.2.2 云计算任务调度过程第20-21页
        2.2.3 云计算任务调度目标第21-22页
        2.2.4 云计算任务调度特点第22页
    2.3 云计算中任务调度算法概述第22-24页
        2.3.1 遗传算法第23页
        2.3.2 蚁群优化算法第23-24页
        2.3.3 人工神经网络算法第24页
        2.3.4 粒子群优化算法第24页
    2.4 本文任务调度算法选择第24-25页
    2.5 本章小结第25-26页
第3章 改进的粒子群优化算法研究第26-40页
    3.1 基本粒子群优化算法第26-28页
        3.1.1 基本粒子群优化算法原理第26页
        3.1.2 基本粒子群优化算法计算模型第26-28页
        3.1.3 基本粒子群优化算法不足第28页
    3.2 标准粒子群优化算法第28-29页
        3.2.1 标准粒子群优化算法计算模型第28-29页
        3.2.2 标准粒子群算法的不足第29页
    3.3 改进的粒子群优化算法第29-36页
        3.3.1 筛选粒子第29-32页
        3.3.2 动态调整参数第32-33页
        3.3.3 早熟判断和处理第33-36页
    3.4 改进粒子群算法的实现第36-39页
        3.4.1 改进粒子群算法的实现流程第36页
        3.4.2 改进粒子群算法的性能分析第36-39页
    3.5 本章小结第39-40页
第4章 基于IPSO算法的云计算任务调度第40-48页
    4.1 IPSO算法的云计算任务调度可行性分析第40页
    4.2 IPSO算法的云计算任务调度物理模型第40-42页
    4.3 IPSO算法的云计算任务调度数学模型第42-46页
        4.3.1 IPSO算法的云计算任务调度原理第42页
        4.3.2 粒子编码第42-44页
        4.3.3 粒子群初始化第44-45页
        4.3.4 目标函数第45-46页
    4.4 IPSO算法的云计算任务调度实现第46-47页
    4.5 本章小结第47-48页
第5章 CloudSim仿真实验及结果分析第48-62页
    5.1 云计算任务调度仿真系统CloudSim第48-52页
        5.1.1 CloudSim仿真平台简介第48页
        5.1.2 CloudSim仿真平台体系结构第48-50页
        5.1.3 CloudSim仿真流程第50页
        5.1.4 CloudSim仿真平台的核心类第50-52页
    5.2 实验环境配置第52-53页
        5.2.1 本机配置第52页
        5.2.2 JDK的安装与配置第52页
        5.2.3 CloudSim配置第52-53页
        5.2.4 CloudSim项目导入第53页
    5.3 CloudSim扩展与重新编译第53-58页
        5.3.1 CloudSim仿真主体程序第53-55页
        5.3.2 CloudSim扩展第55-57页
        5.3.3 CloudSim重新编译第57-58页
    5.4 实验结果及分析第58-61页
        5.4.1 收敛性能对比第58页
        5.4.2 任务数量对性能的影响第58-60页
        5.4.3 资源数量对性能的影响第60-61页
    5.5 本章小结第61-62页
第6章 总结与展望第62-64页
    6.1 总结第62页
    6.2 展望第62-64页
参考文献第64-66页
致谢第66页

论文共66页,点击 下载论文
上一篇:基于Relief算法的siRNA特征选择研究
下一篇:一种多维多层的关联规则挖掘算法在教育数据上的应用