首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

云环境下的任务调度算法研究

摘要第4-5页
abstract第5-6页
第一章 绪论第9-14页
    1.1 云计算的研究背景和意义第9-10页
    1.2 任务调度的研究现状第10-12页
    1.3 论文主要研究工作第12页
    1.4 论文组织结构第12-14页
第二章 相关概念和理论介绍第14-22页
    2.1 云计算介绍第14-17页
        2.1.1 云计算的基本概念及特点第14页
        2.1.2 云计算服务模型和部署模型第14-15页
        2.1.3 云计算关键技术第15-17页
    2.2 聚类分析第17-19页
        2.2.1 k均值聚类第18页
        2.2.2 模糊c均值聚类第18-19页
    2.3 MMTD的基本概念第19-21页
        2.3.1 MMTD的研究背景第19页
        2.3.2 超态的概念第19-20页
        2.3.3 距离概念第20页
        2.3.4 一维情形的真值程度度量第20页
        2.3.5 距离比率函数和距离比率变换函数第20-21页
        2.3.6 真值程度函数第21页
    2.4 本章小结第21-22页
第三章 基于QoS分类的任务调度算法第22-33页
    3.1 任务调度模型第22-24页
        3.1.1 任务模型第22页
        3.1.2 资源模型第22页
        3.1.3 任务分配模型第22-24页
    3.2 任务模糊聚类第24-25页
    3.3 资源分配第25-27页
        3.3.1 Min-Min相关算法第25页
        3.3.2 QOSFCM分配资源第25-27页
    3.4 QOSFCM调度算法流程图第27页
    3.5 CloudSim平台简介第27-30页
        3.5.1 CloudSim架构第28页
        3.5.2 CloudSim相关实现类第28-29页
        3.5.3 CloudSim仿真流程第29-30页
    3.6 实验结果分析第30-32页
    3.7 本章小结第32-33页
第四章 基于MMTD的K均值遗传算法调度策略第33-45页
    4.1 任务建模第33-34页
    4.2 贪婪调度策略第34页
    4.3 相关遗传算法简介第34-36页
        4.3.1 遗传算法基本原理第34-36页
        4.3.2 k均值遗传算法第36页
    4.4 MMTD评估适应度第36-39页
        4.4.1 染色体编码第36-37页
        4.4.2 远、近程度的计算模型第37-38页
        4.4.3 适应度计算第38页
        4.4.4 选择、交叉、变异第38-39页
    4.5 MMTDGA算法流程图第39-40页
    4.6 实验环境介绍与实验结果分析第40-44页
    4.7 本章总结第44-45页
第五章 基于数据本地性的优化调度算法第45-55页
    5.1 数据本地性感知调度算法第45-47页
        5.1.1 延时调度算法第45页
        5.1.2 Matchmaking调度算法第45-46页
        5.1.3 预取和预清洗算法第46页
        5.1.4 Next-K-Node算法第46-47页
    5.2 本地性的影响因素第47-49页
        5.2.1 数据放置策略第47-48页
        5.2.2 数据副本的数量第48-49页
    5.3 基于数据本地性改进的调度算法第49-52页
        5.3.1 Map阶段第49-51页
        5.3.2 Reduce阶段第51-52页
    5.4 环境安装与实验结果分析第52-54页
        5.4.1 Hadoop环境安装第52-54页
        5.4.2 实验结果及分析第54页
    5.5 本章小结第54-55页
第六章 总结与展望第55-57页
    6.1 总结第55页
    6.2 展望第55-57页
参考文献第57-60页
附录1 攻读硕士学位期间撰写的论文第60-61页
附录2 攻读硕士学位期间申请的专利第61-62页
附录3 攻读硕士学位期间参加的科研项目第62-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:深度学习算法研究及其在图像分类上的应用
下一篇:人脸识别中特征提取算法的研究与实现