基于混合蚁群算法的资源调度策略研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的提出与研究意义 | 第9-10页 |
| 1.2 课题的研究现状 | 第10-12页 |
| 1.3 课题的主要研究内容 | 第12-14页 |
| 1.4 章节安排 | 第14-15页 |
| 第二章 集群及其资源调度研究 | 第15-29页 |
| 2.1 集群技术概述 | 第15-22页 |
| 2.2 集群作业调度 | 第22-23页 |
| 2.3 传统调度算法 | 第23-25页 |
| 2.4 蚁群算法 | 第25-27页 |
| 2.5 遗传算法 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 改进型蚁群算法的资源调度策略研究 | 第29-42页 |
| 3.1 蚁群算法解决集群调度问题的基本思路 | 第29页 |
| 3.2 蚁群算法的分析 | 第29-31页 |
| 3.3 性能匹配因子的引入 | 第31-32页 |
| 3.4 负载均衡因子的引入 | 第32-34页 |
| 3.5 改进型蚁群算法的实现过程 | 第34-38页 |
| 3.6 测试与分析 | 第38-41页 |
| 3.6.1 引入性能匹配因子后的测试结果及分析 | 第38-39页 |
| 3.6.2 引入负载均衡因子后的测试结果及分析 | 第39页 |
| 3.6.3 改进型蚁群算法的测试结果及分析 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 遗传与蚁群混合算法的资源调度策略研究 | 第42-52页 |
| 4.1 遗传算法解决集群调度问题的基本思路 | 第42页 |
| 4.2 遗传与蚁群混合算法的思想 | 第42-48页 |
| 4.2.1 遗传算法部分 | 第43-47页 |
| 4.2.2 两种算法的衔接 | 第47-48页 |
| 4.3 混合算法流程 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 算法验证及结果分析 | 第52-69页 |
| 5.1 集群环境的搭建和配置 | 第52-56页 |
| 5.2 集群调度系统的设计与实现 | 第56-62页 |
| 5.2.1 主要功能模块 | 第56-58页 |
| 5.2.2 安装与测试 | 第58-59页 |
| 5.2.3 运行界面 | 第59-62页 |
| 5.3 改进算法测试结果及分析 | 第62-68页 |
| 5.3.1 执行时间 | 第63-64页 |
| 5.3.2 各节点CPU平均利用率 | 第64-66页 |
| 5.3.3 各节点平均响应时间 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 总结与展望 | 第69-70页 |
| 总结 | 第69页 |
| 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的学术成果 | 第74-75页 |
| 致谢 | 第75页 |
