| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究工作的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的组织结构 | 第16-18页 |
| 第2章 相关研究基础 | 第18-29页 |
| ·云任务调度概述 | 第18-22页 |
| ·云任务调度的相关概念 | 第18-19页 |
| ·云任务调度的关键技术 | 第19-21页 |
| ·云任务调度简介 | 第21页 |
| ·云任务调度算法的分类 | 第21-22页 |
| ·云任务调度模型 | 第22-25页 |
| ·云任务调度中的优化算法 | 第25-28页 |
| ·云任务调度中进化算法的一般流程 | 第25-26页 |
| ·云任务调度中的单目标进化算法 | 第26-27页 |
| ·云任务调度中的多目标进化算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 虚拟机放置策略的改进及数学描述 | 第29-42页 |
| ·云任务调度的多层次模型 | 第29-31页 |
| ·虚拟机放置策略的改进 | 第31-36页 |
| ·全局监控模块 | 第32页 |
| ·策略生成模块 | 第32-33页 |
| ·迁移策略模块 | 第33-35页 |
| ·放置模块 | 第35-36页 |
| ·云任务调度问题的数学描述 | 第36-41页 |
| ·任务、虚拟机和物理机的数学描述 | 第36-38页 |
| ·映射矩阵 | 第38-39页 |
| ·联系矩阵 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于改进GEP和ANP的多目标云任务调度算法 | 第42-56页 |
| ·NSGA-II算法的适应度函数及条件 | 第42-48页 |
| ·NSGA-II算法 | 第42-45页 |
| ·任务运行时间的适应度函数 | 第45-46页 |
| ·总能耗的适应度函数 | 第46-47页 |
| ·综合负载均衡度的适应度函数 | 第47-48页 |
| ·云任务调度问题的多目标优化描述 | 第48页 |
| ·GEP算法的改进 | 第48-52页 |
| ·GEP算法 | 第49-50页 |
| ·基因和染色体的改进 | 第50页 |
| ·编码和译码方式的改进 | 第50-51页 |
| ·初始种群生成的改进 | 第51-52页 |
| ·ANP模型在多目标云任务调度中的应用 | 第52-54页 |
| ·ANP模型 | 第53页 |
| ·ANP模型在多目标云任务调度中的应用 | 第53-54页 |
| ·基于改进GEP和ANP的多目标云任务调度算法的流程 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 实验仿真和结果分析 | 第56-65页 |
| ·实验数据和实验方案 | 第56-57页 |
| ·改进的GEP算法和普通的遗传算法的对比实验 | 第57-58页 |
| ·基于改进GEP算法的帕累托最优解的分析 | 第58-62页 |
| ·基于ANP模型的选择策略的比较、分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-66页 |
| ·文章总结 | 第65页 |
| ·下一步研究工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间取得的科研成果 | 第73页 |