云环境下任务调度策略的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 云计算国内外研究现状 | 第10-11页 |
| 1.2.2 云计算任务调度研究现状 | 第11-14页 |
| 1.3 论文主要工作内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 云计算和云任务调度概述 | 第17-29页 |
| 2.1 云计算服务功能 | 第17页 |
| 2.2 云计算特点及优势 | 第17-18页 |
| 2.3 云计算服务分类 | 第18-20页 |
| 2.3.1 云服务类型分类 | 第18-19页 |
| 2.3.2 云服务方式分类 | 第19-20页 |
| 2.4 云计算体系结构 | 第20-21页 |
| 2.5 各云计算平台的关键技术 | 第21-25页 |
| 2.6 云任务调度技术 | 第25-27页 |
| 2.6.1 云任务调度概念 | 第25-26页 |
| 2.6.2 云任务调度步骤 | 第26-27页 |
| 2.6.3 云任务调度特点 | 第27页 |
| 2.7 任务完成时间策略 | 第27-28页 |
| 2.8 云仿真平台 | 第28页 |
| 2.9 本章小结 | 第28-29页 |
| 第三章 基于改进蚁群优化算法的云任务调度策略 | 第29-38页 |
| 3.1 蚁群算法 | 第29-30页 |
| 3.2 云任务-资源的描述 | 第30-31页 |
| 3.3 蚁群算法的云任务调度 | 第31-32页 |
| 3.4 改进蚁群算法的云任务调度 | 第32-35页 |
| 3.4.1 启发函数η的改进 | 第32-33页 |
| 3.4.2 信息素更新规则的改进 | 第33-34页 |
| 3.4.3 算法流程 | 第34-35页 |
| 3.5 仿真实验与分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于改进遗传算法的云任务调度策略 | 第38-48页 |
| 4.1 遗传算法 | 第38-39页 |
| 4.2 云计算任务-成本的描述 | 第39-40页 |
| 4.3 改进遗传算法的云任务调度 | 第40-45页 |
| 4.3.1 种群初始化 | 第40页 |
| 4.3.2 编码与解码 | 第40页 |
| 4.3.3 适应度函数设计 | 第40-41页 |
| 4.3.4 个体相似度 | 第41页 |
| 4.3.5 并列选择法 | 第41-42页 |
| 4.3.6 遗传操作 | 第42-43页 |
| 4.3.6.1 选择操作 | 第42-43页 |
| 4.3.6.2 交叉和变异操作 | 第43页 |
| 4.3.6.3 加速收敛策略 | 第43页 |
| 4.3.7 算法流程 | 第43-45页 |
| 4.4 仿真实验与分析 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间研究成果 | 第54-55页 |
