| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的结构 | 第17-18页 |
| 第2章 云计算及任务调度 | 第18-27页 |
| 2.1 云计算 | 第18-20页 |
| 2.1.1 云计算概念及服务类型 | 第18-19页 |
| 2.1.2 云计算主要特征 | 第19-20页 |
| 2.2 云环境任务调度问题概述 | 第20-24页 |
| 2.2.1 任务调度问题的概念 | 第20页 |
| 2.2.2 任务调度问题的分类 | 第20-22页 |
| 2.2.3 云环境下任务调度综述 | 第22-23页 |
| 2.2.4 DAG调度模型 | 第23-24页 |
| 2.3 任务调度算法 | 第24-26页 |
| 2.3.1 调度算法综述 | 第24页 |
| 2.3.2 常用调度算法 | 第24-26页 |
| 2.4 小结 | 第26-27页 |
| 第3章 多目标优化问题及优化算法 | 第27-35页 |
| 3.1 多目标优化问题 | 第27-28页 |
| 3.1.1 多目标优化问题的数学描述 | 第27页 |
| 3.1.2 多目标优化问题的相关概念 | 第27-28页 |
| 3.2 传统多目标优化算法及其不足 | 第28-29页 |
| 3.3 群智能优化算法 | 第29-34页 |
| 3.3.1 粒子群优化算法 | 第29-30页 |
| 3.3.2 离散粒子群算法 | 第30-31页 |
| 3.3.3 化学反应算法 | 第31-34页 |
| 3.4 小结 | 第34-35页 |
| 第4章 基于多目标化学反应算法的云任务调度 | 第35-46页 |
| 4.1 云环境下DAG调度双目标模型 | 第35-37页 |
| 4.1.1 任务模型 | 第35-36页 |
| 4.1.2 云目标系统模型 | 第36-37页 |
| 4.2 多目标化学反应算法 | 第37-39页 |
| 4.3 基于多目标化学反应算法的任务调度 | 第39-40页 |
| 4.3.1 算法描述及流程 | 第40页 |
| 4.4 实验仿真与分析 | 第40-45页 |
| 4.4.1 实验环境 | 第40-41页 |
| 4.4.2 随机应用程序DAG任务图 | 第41页 |
| 4.4.3 多目标优化性能评价指标 | 第41-42页 |
| 4.4.4 实验结果与分析 | 第42-45页 |
| 4.5 小结 | 第45-46页 |
| 第5章 基于HPSO-CRO算法的云任务调度 | 第46-56页 |
| 5.1 HPSO-CRO自适应混合多目标优化算法 | 第46-48页 |
| 5.2 HPSO-CRO多目标DAG调度算法描述 | 第48-50页 |
| 5.2.1 解的表示 | 第48-49页 |
| 5.2.2 种群初始化 | 第49页 |
| 5.2.3 PSO操作中的更新机制 | 第49页 |
| 5.2.4 CRO局部操作更新机制 | 第49-50页 |
| 5.2.5 基于HPSO-CRO算法的云环境DAG任务调度流程 | 第50页 |
| 5.3 仿真实验与分析 | 第50-55页 |
| 5.4 小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 附录A 攻读学位期间发表的学术论文与获得的成果 | 第63-64页 |
| 附录B 攻读学位期间参与项目目录 | 第64-65页 |
| 致谢 | 第65页 |