| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-23页 |
| ·研究背景 | 第13-16页 |
| ·网格 | 第13-15页 |
| ·网格计算 | 第15-16页 |
| ·网格依赖任务重调度面临的挑战 | 第16-18页 |
| ·基于资源动态性度量的网格任务重调度机制的提出 | 第18-19页 |
| ·本文主要工作及组织结构 | 第19-23页 |
| 第二章 网格任务调度与重调度 | 第23-35页 |
| ·网格任务调度 | 第23-30页 |
| ·网格任务调度执行过程 | 第23-25页 |
| ·网格任务调度目标与策略 | 第25-26页 |
| ·网格任务调度算法 | 第26-28页 |
| ·网格任务调度系统 | 第28-30页 |
| ·网格任务重调度 | 第30-31页 |
| ·网格依赖任务重调度 | 第31-33页 |
| ·小结 | 第33-35页 |
| 第三章 基于资源动态性度量的网格依赖任务重调度机制 | 第35-57页 |
| ·网格依赖任务重调度存在的问题及解决思路 | 第35-40页 |
| ·网格依赖任务重调度存在的问题 | 第35-37页 |
| ·问题解决的基本思路 | 第37-40页 |
| ·基于资源动态性度量的网格依赖任务重调度机制 | 第40-45页 |
| ·基本框架 | 第41-42页 |
| ·基本过程 | 第42页 |
| ·体系结构 | 第42-45页 |
| ·资源动态性度量模型 | 第45-48页 |
| ·基于视图机制的资源组织模型 | 第48-55页 |
| ·资源视图描述 | 第49-54页 |
| ·资源视图构建及维护方法 | 第54-55页 |
| ·小结 | 第55-57页 |
| 第四章 重调度触发机制及算法 | 第57-79页 |
| ·相关定义 | 第57-59页 |
| ·重调度触发机制 | 第59-60页 |
| ·重调度触发因素 | 第60-63页 |
| ·重调度触发规则 | 第63-77页 |
| ·重调度任务选取规则及算法 | 第63-72页 |
| ·重调度延时触发规则及算法 | 第72-77页 |
| ·小结 | 第77-79页 |
| 第五章 重调度任务波及域及计算 | 第79-95页 |
| ·重调度任务波及域 | 第79-82页 |
| ·重调度任务波及域计算方法 | 第82-87页 |
| ·点波及域计算方法 | 第83-84页 |
| ·依赖波及域计算方法 | 第84页 |
| ·连通波及域计算方法 | 第84-85页 |
| ·重调度任务波及域计算过程 | 第85-87页 |
| ·重调度任务波及域计算算法 | 第87-93页 |
| ·点波及域计算算法 | 第87-89页 |
| ·依赖波及域计算算法 | 第89-91页 |
| ·连通波及域计算算法 | 第91-93页 |
| ·小结 | 第93-95页 |
| 第六章 基于G-DERM的重调度模型与算法 | 第95-113页 |
| ·基于DAG的重调度模型及改进HEFT算法 | 第95-102页 |
| ·基于DAG的重调度模型 | 第95-96页 |
| ·改进HEFT算法基本思想 | 第96-99页 |
| ·算法描述 | 第99-100页 |
| ·算法实例 | 第100-101页 |
| ·实验分析 | 第101-102页 |
| ·基于T-RAG优化选取的重调度模型及免疫遗传算法 | 第102-111页 |
| ·基于T-RAG优化选取的重调度模型 | 第103-105页 |
| ·免疫遗传算法基本思想 | 第105-108页 |
| ·实验分析 | 第108-111页 |
| ·小结 | 第111-113页 |
| 第七章 G-DERM模拟实验环境与实验分析 | 第113-125页 |
| ·G-DERM模拟实验环境 | 第113-117页 |
| ·G-DERM有效性实验设计 | 第117-118页 |
| ·G-DERM有效性实验分析 | 第118-123页 |
| ·G-DERM有效性总体验证实验 | 第119页 |
| ·触发机制有效性验证实验 | 第119-121页 |
| ·波及域有效性验证实验 | 第121-122页 |
| ·资源组织有效性验证实验 | 第122-123页 |
| ·小结 | 第123-125页 |
| 第八章 结论 | 第125-127页 |
| ·本文的主要贡献 | 第125-126页 |
| ·未来工作展望 | 第126-127页 |
| 参考文献 | 第127-137页 |
| 致谢 | 第137-139页 |
| 攻读博士学位期间的主要成果 | 第139-140页 |