基于遗传算法的多核处理器任务执行策略的优化研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第11-15页 |
| 1.1 研究工作的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的研究内容 | 第13-14页 |
| 1.4 论文的结构 | 第14-15页 |
| 第2章 遗传算法过程分析 | 第15-26页 |
| 2.1 遗传算法的主要思想和特点 | 第15-16页 |
| 2.2 影响遗传算法的关键因素 | 第16-23页 |
| 2.2.1 编码 | 第16-17页 |
| 2.2.2 初始种群 | 第17-18页 |
| 2.2.3 适应度函数 | 第18-19页 |
| 2.2.4 选择算子 | 第19-21页 |
| 2.2.5 交叉操作 | 第21-23页 |
| 2.2.6 变异操作 | 第23页 |
| 2.3 遗传算法的操作步骤 | 第23-24页 |
| 2.3.1 遗传算法构成因素 | 第23-24页 |
| 2.3.2 遗传算法的实现过程 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 多核处理器相关研究 | 第26-31页 |
| 3.1 多核处理器概念的提出及发展 | 第26-27页 |
| 3.2 多核处理器技术 | 第27-29页 |
| 3.3 多核处理器应用过程中的问题 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 多核处理器上的任务执行过程研究 | 第31-39页 |
| 4.1 基本概念 | 第31-32页 |
| 4.2 任务分配 | 第32-35页 |
| 4.2.1 周期模型 | 第33页 |
| 4.2.2 TIG模型 | 第33页 |
| 4.2.3 TPG模型 | 第33-34页 |
| 4.2.4 DAG模型 | 第34页 |
| 4.2.5 任务分配的原则 | 第34-35页 |
| 4.3 任务调度 | 第35-37页 |
| 4.4 负载均衡 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 任务执行模型的设计与实现 | 第39-50页 |
| 5.1 多核硬件平台上的任务执行过程 | 第39-41页 |
| 5.2 多核硬件平台上的任务模型的相关问题 | 第41-43页 |
| 5.3 任务执行模型的设计与实现 | 第43-48页 |
| 5.3.1 任务执行模型的设计 | 第43-44页 |
| 5.3.2 任务执行模型的定义 | 第44-46页 |
| 5.3.3 任务分配中约束条件的设定 | 第46页 |
| 5.3.4 任务节点的分配过程 | 第46-48页 |
| 5.4 实验过程与分析 | 第48-49页 |
| 5.4.1 实验环境 | 第48页 |
| 5.4.2 实验数据分析 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 基于遗传算法的任务执行优化的实现 | 第50-62页 |
| 6.1 节点任务调度 | 第50-51页 |
| 6.2 初始种群 | 第51-54页 |
| 6.2.1 编码机制 | 第51页 |
| 6.2.2 初始种群的生成 | 第51-54页 |
| 6.3 适应度函数设计 | 第54-55页 |
| 6.4 遗传算子设计 | 第55-58页 |
| 6.4.1 选择策略 | 第55页 |
| 6.4.2 交叉操作 | 第55-57页 |
| 6.4.3 变异操作 | 第57-58页 |
| 6.5 遗传操作结束条件 | 第58-59页 |
| 6.6 实验仿真与分析 | 第59-61页 |
| 6.6.1 算法性能评价 | 第59页 |
| 6.6.2 实验环境 | 第59页 |
| 6.6.3 结果分析 | 第59-61页 |
| 6.7 本章小结 | 第61-62页 |
| 第7章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-68页 |
| 致谢 | 第68页 |
