面向节能的云计算任务调度策略研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 绿色云计算 | 第11-13页 |
| 1.2.2 基于虚拟机的节能调度 | 第13-14页 |
| 1.2.3 基于任务的节能调度 | 第14-15页 |
| 1.2.4 基于 DVS 的节能调度 | 第15-16页 |
| 1.3 课题的主要工作 | 第16-17页 |
| 1.4 论文的内容安排 | 第17-18页 |
| 第2章 云计算任务调度相关技术综述 | 第18-25页 |
| 2.1 云计算的基本概念 | 第18-20页 |
| 2.1.1 云计算的定义 | 第18-19页 |
| 2.1.2 云计算的特征 | 第19-20页 |
| 2.2 云计算任务编程模型 | 第20-22页 |
| 2.3 云计算任务调度架构 | 第22-23页 |
| 2.4 云计算任务资源消耗预测 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于神经网络的任务资源消耗预测模型 | 第25-43页 |
| 3.1 神经网络简介 | 第25-30页 |
| 3.1.1 神经网络的组成 | 第25-27页 |
| 3.1.2 神经网络拓扑结构 | 第27-28页 |
| 3.1.3 神经网络学习方式 | 第28-29页 |
| 3.1.4 神经网络学习算法 | 第29-30页 |
| 3.2 影响任务执行资源消耗的因素 | 第30-32页 |
| 3.2.1 影响程序性能与任务开销的硬件因素 | 第30-31页 |
| 3.2.2 影响程序性能与任务开销的软件因素 | 第31页 |
| 3.2.3 输入数据 | 第31-32页 |
| 3.3 BP 神经网络预测模型 | 第32-38页 |
| 3.3.1 神经网络预测模型 | 第32-35页 |
| 3.3.2 神经网络输入降维 | 第35-37页 |
| 3.3.3 神经网络训练和验证 | 第37-38页 |
| 3.4 样本数据 | 第38-42页 |
| 3.4.1 软件样本及特征提取 | 第38-40页 |
| 3.4.2 程序运行历史信息收集 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于混合遗传算法的任务节能调度 | 第43-51页 |
| 4.1 遗传算法简介 | 第43-44页 |
| 4.1.1 遗传算法的基本原理 | 第43-44页 |
| 4.1.2 遗传算法的求解步骤 | 第44页 |
| 4.1.3 遗传算法的基本特点 | 第44页 |
| 4.2 云计算任务分配模型 | 第44-46页 |
| 4.2.1 任务分配问题的描述 | 第44-45页 |
| 4.2.2 任务分配问题的数学模型 | 第45-46页 |
| 4.3 混合遗传算法 | 第46-50页 |
| 4.3.1 遗传算法的基因编码 | 第46-47页 |
| 4.3.2 目标函数与适应度函数 | 第47页 |
| 4.3.3 选择与遗传操作 | 第47-48页 |
| 4.3.4 修正种群个体 | 第48-49页 |
| 4.3.5 算法流程 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 实验结果及数据分析 | 第51-66页 |
| 5.1 任务资源消耗预测 | 第51-56页 |
| 5.1.1 实验环境 | 第51-52页 |
| 5.1.2 预测结果误差分析 | 第52-54页 |
| 5.1.3 资源曲线拟合效果 | 第54-56页 |
| 5.2 任务节能调度仿真 | 第56-65页 |
| 5.2.1 CloudSim 简介 | 第56-58页 |
| 5.2.2 仿真程序设计与实现 | 第58-60页 |
| 5.2.3 算法收敛效果对比 | 第60-61页 |
| 5.2.4 仿真结果及分析 | 第61-65页 |
| 5.3 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间发表的学术论文 | 第72-74页 |
| 致谢 | 第74页 |
