混合粒子群算法的研究以及在云计算任务调度中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第7-16页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-14页 |
| ·云计算研究现状 | 第8-13页 |
| ·云计算任务调度研究现状 | 第13-14页 |
| ·本文工作 | 第14页 |
| ·全文结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 云计算与启发式算法 | 第16-25页 |
| ·云计算技术 | 第16-22页 |
| ·云计算的技术背景和概念 | 第16-17页 |
| ·云计算的体系结构 | 第17-18页 |
| ·云计算的分类 | 第18-20页 |
| ·云计算的特点 | 第20-21页 |
| ·云计算的应用场景 | 第21-22页 |
| ·启发式调度算法 | 第22-24页 |
| ·蚁群算法 | 第22-23页 |
| ·遗传算法 | 第23页 |
| ·模拟退火算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 云工作流任务调度研究 | 第25-34页 |
| ·传统任务调度 | 第25-26页 |
| ·独立任务调度 | 第25-26页 |
| ·工作流任务调度 | 第26页 |
| ·云工作流任务调度 | 第26-30页 |
| ·云工作流任务调度模型 | 第27-28页 |
| ·云工作流任务调度特点 | 第28页 |
| ·云工作流任务调度目标 | 第28-30页 |
| ·云工作流任务调度优势 | 第30页 |
| ·云工作流调度的数学模型 | 第30-32页 |
| ·云工作流调度的目标函数 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 粒子群优化算法的研究与改进 | 第34-47页 |
| ·粒子群算法 | 第34-39页 |
| ·粒子群算法基本概念 | 第34-35页 |
| ·粒子群算法的参数设置 | 第35-36页 |
| ·标准粒子群算法模型 | 第36-37页 |
| ·粒子群算法的特性 | 第37页 |
| ·粒子群算法应用前景 | 第37-39页 |
| ·粒子群算法优缺点 | 第39页 |
| ·混合粒子群算法 | 第39-46页 |
| ·粒子编码方式 | 第39-41页 |
| ·初始化种群 | 第41-42页 |
| ·离散化策略 | 第42-46页 |
| ·爬山算法 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第五章 算法仿真实现与分析 | 第47-57页 |
| ·算法仿真与实现 | 第47-50页 |
| ·混合粒子群算法模型 | 第47-48页 |
| ·算法实现 | 第48-50页 |
| ·算法总体比较 | 第50-51页 |
| ·任务规模对算法性能的影响 | 第51-54页 |
| ·任务规模对执行费用的影响 | 第51-52页 |
| ·任务规模对迭代次数的影响 | 第52-53页 |
| ·任务规模对算法方差的影响 | 第53-54页 |
| ·截止期对算法性能的影响 | 第54-55页 |
| ·实验结果与分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| ·工作总结 | 第57-58页 |
| ·工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |
