| 摘要 | 第2-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题背景与意义 | 第11-14页 |
| 1.2 国内外相关研究现状及发展动态分析 | 第14-17页 |
| 1.2.1 云计算环境下的能耗计算与管理优化 | 第14-15页 |
| 1.2.2 云工作流调度优化 | 第15-16页 |
| 1.2.3 遗传算法的国内外研究 | 第16-17页 |
| 1.3 课题的主要工作与创新点 | 第17-18页 |
| 1.4 论文结构 | 第18-20页 |
| 第2章 相关概念与平台技术 | 第20-33页 |
| 2.1 云工作流概述 | 第20-21页 |
| 2.1.1 云计算的概念 | 第20页 |
| 2.1.2 工作流的概念 | 第20-21页 |
| 2.1.3 云工作流的概念 | 第21页 |
| 2.2 遗传算法的理论基础与相关技术 | 第21-23页 |
| 2.2.1 遗传算法的概念 | 第21-22页 |
| 2.2.2 遗传算法的操作步骤 | 第22-23页 |
| 2.3 云计算环境下的能耗计算与管理优化 | 第23-25页 |
| 2.3.1 关闭/开启技术 | 第24页 |
| 2.3.2 DVFS技术 | 第24页 |
| 2.3.3 虚拟化技术 | 第24-25页 |
| 2.3.4 其他节能技术 | 第25页 |
| 2.4 云工作流调度优化相关技术 | 第25-29页 |
| 2.4.1 基于批处理模式 | 第25-28页 |
| 2.4.2 基于依赖模式 | 第28-29页 |
| 2.5 云工作流仿真平台 | 第29-32页 |
| 2.5.1 CloudSim | 第29-31页 |
| 2.5.2 WorkflowSim | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 面向能耗优化的云工作流模型构建 | 第33-39页 |
| 3.1 云工作流管理系统 | 第33-34页 |
| 3.2 云工作流的过程模型 | 第34-35页 |
| 3.3 云工作流的资源模型 | 第35-36页 |
| 3.4 符号说明 | 第36-37页 |
| 3.5 云工作流的任务执行时间、传输时间的计算方法 | 第37页 |
| 3.6 基于负载的能耗计算方法 | 第37-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 基于GWSGA算法的云工作流调度优化实现 | 第39-54页 |
| 4.1 染色体编码 | 第39-41页 |
| 4.2 染色体解码 | 第41-42页 |
| 4.3 种群初始化 | 第42-43页 |
| 4.4 适应度函数 | 第43-44页 |
| 4.5 遗传操作 | 第44-51页 |
| 4.5.1 选择算子 | 第44页 |
| 4.5.2 交叉算子 | 第44-48页 |
| 4.5.3 变异算子 | 第48-51页 |
| 4.6 算法的终止条件 | 第51页 |
| 4.7 GWSGA算法 | 第51-53页 |
| 4.8 本章小结 | 第53-54页 |
| 第5章 仿真实验 | 第54-65页 |
| 5.1 仿真实验方案设计 | 第54-58页 |
| 5.1.1 工作流实例 | 第54-55页 |
| 5.1.2 资源实例 | 第55-57页 |
| 5.1.3 虚拟机设置 | 第57-58页 |
| 5.2 仿真实验结果与分析 | 第58-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第6章 总结及展望 | 第65-67页 |
| 参考文献 | 第67-74页 |
| 附录1 攻读硕士学位期间发表的论文 | 第74页 |
| 附录2 攻读硕士学位期间撰写的专利 | 第74页 |
| 附录3 攻读硕士学位期间参与的项目 | 第74-75页 |
| 致谢 | 第75-77页 |