基于改进的人工蜂群算法Docker Swarm集群调度方法设计与实现
摘要 | 第10-12页 |
ABSTRACT | 第12-13页 |
符号说明 | 第14-15页 |
第一章 绪论 | 第15-20页 |
1.1 研究背景 | 第15-16页 |
1.2 云计算研究现状 | 第16-17页 |
1.3 论文的主要内容和创新性成果 | 第17-18页 |
1.3.1 研究目的 | 第17页 |
1.3.2 研究意义 | 第17-18页 |
1.4 论文结构安排 | 第18页 |
1.5 本章小节 | 第18-20页 |
第二章 相关技术介绍 | 第20-33页 |
2.1 虚拟化技术 | 第20-23页 |
2.1.1 虚拟机技术 | 第20-21页 |
2.1.2 容器技术 | 第21-22页 |
2.1.3 容器技术对比虚拟机技术 | 第22-23页 |
2.2 Docker容器 | 第23-25页 |
2.2.1 Docker容器特点 | 第24-25页 |
2.2.2 Docker容器集群 | 第25页 |
2.3 容器集群管理工具 | 第25-30页 |
2.3.1 各种容器集群管理工具 | 第25-29页 |
2.3.2 各平台简单比较 | 第29-30页 |
2.4 Swarm集群 | 第30-32页 |
2.4.1 Swarm集群各模块介绍 | 第30-32页 |
2.5 本章小结 | 第32-33页 |
第三章 人工蜂群算法 | 第33-42页 |
3.1 人工蜂群算法基本理论 | 第33-37页 |
3.1.1 人工蜂群算法的生物背景 | 第33-34页 |
3.1.2 人工蜂群算法基本原理 | 第34-35页 |
3.1.3 人工蜂群算法的主要步骤 | 第35-37页 |
3.2 人工蜂群算法分析 | 第37-38页 |
3.2.1 人工蜂群算法参数分析 | 第37页 |
3.2.2 人工蜂群算法的算法时间复杂度分析 | 第37-38页 |
3.3 人工蜂群算法的改进 | 第38-40页 |
3.3.1 调整蜜源初始化方法 | 第38页 |
3.3.2 改进更新策略 | 第38-39页 |
3.3.3 改进调整策略 | 第39页 |
3.3.4 选择适应度函数 | 第39页 |
3.3.5 与其他算法融合 | 第39-40页 |
3.4 人工蜂群算法应用研究 | 第40-41页 |
3.4.1 神经网络训练 | 第40页 |
3.4.2 组合优化问题 | 第40-41页 |
3.4.3 电力系统优化 | 第41页 |
3.4.4 系统与工程设计 | 第41页 |
3.5 本章小结 | 第41-42页 |
第四章 改进的Swarm集群调度策略 | 第42-51页 |
4.1 现有调度策略分析 | 第42-45页 |
4.1.1 Swarm内置调度策略 | 第42-43页 |
4.1.2 加权调度策略 | 第43-44页 |
4.1.3 静态资源平衡策略 | 第44-45页 |
4.1.4 动态加权调度策略 | 第45页 |
4.2 改进的权数计算方法 | 第45-47页 |
4.2.1 改进的静态资源平衡算法 | 第46-47页 |
4.2.2 改进的加权算法 | 第47页 |
4.3 改进的人工蜂群算法 | 第47-49页 |
4.3.1 引入最优解的新蜜源搜索方法 | 第48页 |
4.3.2 引入最优解的新蜜源生成方法 | 第48-49页 |
4.4 改进的调度策略流程 | 第49-50页 |
4.5 本章小结 | 第50-51页 |
第五章 调度策略的实现与测试 | 第51-68页 |
5.1 云平台介绍 | 第51-52页 |
5.2 整体系统架构和实现 | 第52-57页 |
5.2.1 节点资源信息获取模块设计 | 第52-56页 |
5.2.2 集群调度模块设计 | 第56-57页 |
5.3 Swarm集群调度系统运行测试 | 第57-67页 |
5.3.1 实验环境搭建 | 第57-59页 |
5.3.2 系统运行测试 | 第59页 |
5.3.3 系统测试结果 | 第59-67页 |
5.4 本章小结 | 第67-68页 |
第六章 总结与展望 | 第68-70页 |
6.1 总结 | 第68-69页 |
6.2 展望 | 第69-70页 |
参考文献 | 第70-76页 |
致谢 | 第76-77页 |
攻读硕士期间取得的成果和参与的项目 | 第77-78页 |
学位论文评阅及答辩情况表 | 第78页 |