| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究问题与内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 云计算基本理论 | 第13-20页 |
| 2.1 云计算概述 | 第13-18页 |
| 2.1.1 云计算定义与特点 | 第13-15页 |
| 2.1.2 云计算体系结构 | 第15-16页 |
| 2.1.3 云数据中心 | 第16-17页 |
| 2.1.4 DVFS技术 | 第17-18页 |
| 2.2 云工作流 | 第18-19页 |
| 2.2.1 云工作流简介 | 第18页 |
| 2.2.2 任务调度 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 多目标问题建模与方法 | 第20-28页 |
| 3.1 多目标优化 | 第20页 |
| 3.1.1 多目标优化问题模型 | 第20页 |
| 3.1.2 Pareto相关定义 | 第20页 |
| 3.2 系统建模 | 第20-23页 |
| 3.2.1 资源模型 | 第20-21页 |
| 3.2.2 工作流模型 | 第21-23页 |
| 3.2.3 能耗模型 | 第23页 |
| 3.2.4 任务调度目标函数 | 第23页 |
| 3.3 多目标优化算法 | 第23-27页 |
| 3.3.1 多目标粒子群算法 | 第23-25页 |
| 3.3.2 NSGA-Ⅱ算法 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于格分布方差的多目标工作流调度算法 | 第28-42页 |
| 4.1 GVDA-MOPSO工作流调度算法设计 | 第28-34页 |
| 4.1.1 粒子编码 | 第28页 |
| 4.1.2 改进的自适应网格坐标系 | 第28-29页 |
| 4.1.3 格分布方差和动态调整算法 | 第29-31页 |
| 4.1.4 外部文档自优化策略 | 第31-32页 |
| 4.1.5 差粒子自学习策略 | 第32-34页 |
| 4.2 GVDA-MOPSO工作流调度算法流程 | 第34-35页 |
| 4.3 仿真实验与结果分析 | 第35-41页 |
| 4.3.1 仿真工具简介 | 第35-36页 |
| 4.3.2 实验环境配置 | 第36-37页 |
| 4.3.3 格分布方差阈值分析 | 第37-38页 |
| 4.3.4 实验结果与分析 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于任务聚类的NSGA-Ⅱ算法的多目标任务调度算法 | 第42-53页 |
| 5.1 TC-NSGA-Ⅱ任务调度算法设计 | 第42-48页 |
| 5.1.1 染色体编码 | 第42-43页 |
| 5.1.2 遗传算子设计 | 第43-45页 |
| 5.1.3 拥挤距离设计 | 第45-46页 |
| 5.1.4 任务聚类 | 第46-48页 |
| 5.2 TC-NSGA-Ⅱ任务调度算法流程 | 第48页 |
| 5.3 仿真实验与结果分析 | 第48-52页 |
| 5.3.1 实验设置 | 第48-49页 |
| 5.3.2 实验结果与分析 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53-54页 |
| 6.2 未来与展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间的研究成果 | 第61页 |