摘要 | 第3-4页 |
abstract | 第4-5页 |
第1章 绪论 | 第10-17页 |
1.1 研究背景和课题研究意义 | 第10-12页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 课题研究意义 | 第11-12页 |
1.2 研究现状 | 第12-14页 |
1.2.1 任务调度算法研究现状 | 第12-14页 |
1.2.2 多目标优化调度算法的研究现状 | 第14页 |
1.3 论文主要研究内容 | 第14-15页 |
1.4 本文组织结构 | 第15-17页 |
第2章 云计算相关内容概述 | 第17-26页 |
2.1 云计算简介 | 第17-20页 |
2.1.1 云计算定义与特点 | 第17-18页 |
2.1.2 云计算的体系结构 | 第18-20页 |
2.2 云计算中任务调度 | 第20-22页 |
2.2.1 任务调度的定义 | 第20-21页 |
2.2.2 任务调度的特点 | 第21页 |
2.2.3 任务调度的目标 | 第21-22页 |
2.2.4 任务调度中存在的问题 | 第22页 |
2.3 云计算中任务调度算法 | 第22-25页 |
2.3.1 传统的任务调度算法 | 第22-23页 |
2.3.2 Hadoop中的任务调度算法 | 第23-24页 |
2.3.3 智能启发任务调度算法 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
第3章 基于改进蚁群算法的多目标优化云计算任务调度策略 | 第26-45页 |
3.1 基本蚁群算法 | 第26-32页 |
3.1.1 蚁群算法概述 | 第26页 |
3.1.2 蚁群算法基本原理 | 第26-29页 |
3.1.3 蚁群算法的数学模型 | 第29-31页 |
3.1.4 蚁群算法的具体实现 | 第31-32页 |
3.2 云计算多目标优化的任务调度模型 | 第32-37页 |
3.2.1 云计算任务调度相关概念的数学定义 | 第33-34页 |
3.2.2 相关优化目标函数的定义 | 第34-36页 |
3.2.3 多目标转化为单目标问题的处理 | 第36-37页 |
3.3 基于改进蚁群算法的多目标优化云计算任务调度策略设计 | 第37-44页 |
3.3.1 多目标优化任务调度结合蚁群算法的问题模型描述 | 第38页 |
3.3.2 信息素初始化的改进 | 第38-39页 |
3.3.3 概率转移规则的改进 | 第39-40页 |
3.3.4 启发函数定义的改进 | 第40页 |
3.3.5 信息素更新规则的改进 | 第40-42页 |
3.3.6 算法的迭代终止条件设计 | 第42页 |
3.3.7 算法具体流程描述 | 第42-44页 |
3.4 本章小结 | 第44-45页 |
第4章 MO-ACO算法的参数设置研究 | 第45-54页 |
4.1 信息素启发因子α的研究与设定 | 第45-47页 |
4.2 期望启发因子β的研究与设定 | 第47-49页 |
4.3 参数q_0的研究与设定 | 第49-50页 |
4.4 信息素挥发因子ρ的研究与设定 | 第50-51页 |
4.5 蚂蚁个数的研究与设定 | 第51-53页 |
4.6 本章小结 | 第53-54页 |
第5章 实验仿真与结果分析 | 第54-65页 |
5.1 实验环境简介 | 第54-56页 |
5.1.1 Cloudsim仿真平台的简介 | 第54页 |
5.1.2 Cloudsim平台的体系结构 | 第54-55页 |
5.1.3 Cloudsim仿真平台的搭建 | 第55-56页 |
5.1.4 Cloudsim核心类 | 第56页 |
5.2 实验环境设置 | 第56-58页 |
5.3 负载均衡的评价模型定义 | 第58页 |
5.4 实验结果与分析 | 第58-64页 |
5.4.1 任务完成时间实验对比分析 | 第58-60页 |
5.4.2 任务完成所需成本实验对比分析 | 第60-62页 |
5.4.3 系统负载均衡度实验对比分析 | 第62-63页 |
5.4.4 目标函数的权值影响的实验分析 | 第63-64页 |
5.5 本章小结 | 第64-65页 |
第6章 总结及未来工作 | 第65-67页 |
6.1 工作总结 | 第65-66页 |
6.2 未来工作 | 第66-67页 |
参考文献 | 第67-72页 |
致谢 | 第72-73页 |
攻读硕士学位期间从事的科研工作及取得的成果 | 第73页 |