基于移动群智感知的工作流调度技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 相关技术 | 第12-14页 |
| 1.2.1 众包 | 第12-13页 |
| 1.2.2 传感器网络与物联网 | 第13-14页 |
| 1.2.3 工作流 | 第14页 |
| 1.3 移动群智感知简介 | 第14-16页 |
| 1.4 本文研究内容 | 第16-17页 |
| 1.5 本文组织结构 | 第17-18页 |
| 第二章 研究进展 | 第18-23页 |
| 2.1 异构环境下的工作流调度 | 第18-19页 |
| 2.2 云计算环境下的工作流调度 | 第19-20页 |
| 2.3 移动环境工作流调度 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 面向时间优化的工作流调度方法 | 第23-32页 |
| 3.1 背景与问题 | 第23-27页 |
| 3.1.1 基于移动群智感知的任务分配 | 第23-24页 |
| 3.1.2 感知任务的完成时间 | 第24页 |
| 3.1.3 工作流任务资源模型 | 第24-26页 |
| 3.1.4 移动群智网络模型 | 第26-27页 |
| 3.2 基于强化学习的时间最优任务分配方法 | 第27-31页 |
| 3.2.1 问题分析 | 第27-28页 |
| 3.2.2 问题的NP难解性 | 第28-29页 |
| 3.2.3 基于强化学习的在线任务分配算法 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 面向多目标的工作流调度方法 | 第32-40页 |
| 4.1 背景与问题 | 第32-35页 |
| 4.1.1 感知设备的异构 | 第32-33页 |
| 4.1.2 多目标优化 | 第33-35页 |
| 4.2 最大化多目标的任务分配算法 | 第35-39页 |
| 4.2.1 加权因子 | 第35-36页 |
| 4.2.2 强化迭代贪婪算法 | 第36-39页 |
| 4.2.3 算法性能分析 | 第39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 实验分析 | 第40-48页 |
| 5.1 实验准备 | 第40-42页 |
| 5.1.1 实验数据 | 第40-41页 |
| 5.1.2 结果评价指标和基准 | 第41-42页 |
| 5.2 确定加权因子 | 第42-43页 |
| 5.3 性能分析 | 第43-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 本文工作总结 | 第48-49页 |
| 6.2 未来展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-58页 |
| 附录 | 第58-59页 |
| 详细摘要 | 第59-61页 |
