云环境中工作流系统任务调度的智能算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容和创新点 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 云计算及工作流系统 | 第16-25页 |
| 2.1 云计算 | 第16-20页 |
| 2.1.1 云计算的应用 | 第16-18页 |
| 2.1.2 云计算的特点 | 第18-19页 |
| 2.1.3 云服务质量 | 第19-20页 |
| 2.2 工作流 | 第20-22页 |
| 2.3 云工作流系统 | 第22-24页 |
| 2.4 小结 | 第24-25页 |
| 第三章 工作流系统任务调度算法 | 第25-29页 |
| 3.1 智能算法 | 第25-26页 |
| 3.2 蚁群算法 | 第26-27页 |
| 3.3 粒子群算法 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于分时虚拟机的ACO算法 | 第29-41页 |
| 4.1 问题描述 | 第29-30页 |
| 4.2 Makespan模型 | 第30-32页 |
| 4.3 任务层ACO调度算法 | 第32-34页 |
| 4.4 实验仿真 | 第34-39页 |
| 4.4.1 参数设置 | 第35页 |
| 4.4.2 算法收敛性 | 第35-36页 |
| 4.4.3 不同任务集规模的Makespan | 第36页 |
| 4.4.4 不同虚拟机处理能力的Makspan | 第36页 |
| 4.4.5 不同虚拟机数量的Makespan | 第36-37页 |
| 4.4.6 不同费用约束条件的Makespan | 第37-38页 |
| 4.4.7 并行启发式信息的Makespan | 第38-39页 |
| 4.5 本章小结 | 第39-41页 |
| 第五章 基于混沌序列的PSO算法 | 第41-50页 |
| 5.1 问题描述 | 第41页 |
| 5.2 费用模型 | 第41-43页 |
| 5.3 任务层CPSO调度算法 | 第43-46页 |
| 5.3.1 混沌序列 | 第43页 |
| 5.3.2 适应度值 | 第43-44页 |
| 5.3.3 惯性权重系数 | 第44页 |
| 5.3.4 面向市场的CPSO调度算法 | 第44-46页 |
| 5.4 实验仿真 | 第46-49页 |
| 5.4.1 参数设置 | 第46页 |
| 5.4.2 适应度值比较 | 第46-47页 |
| 5.4.3 不同任务集下的费用 | 第47-48页 |
| 5.4.4 不同时间约束下的费用 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 结论与展望 | 第50-53页 |
| 6.1 工作总结 | 第50-51页 |
| 6.2 未来工作 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的论文及获奖情况 | 第58页 |
