| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 云计算的发展及研究现状 | 第11-13页 |
| 1.2.2 云环境中的任务调度策略研究现状 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 云计算以及任务调度相关理论 | 第17-29页 |
| 2.1 云计算相关理论以及特点 | 第17-22页 |
| 2.1.1 云计算理论 | 第17-18页 |
| 2.1.2 云计算和网格计算的区别 | 第18页 |
| 2.1.3 云计算的特点 | 第18-19页 |
| 2.1.4 云计算的体系结构 | 第19-20页 |
| 2.1.5 云计算的服务类型 | 第20-21页 |
| 2.1.6 云计算的关键技术与挑战 | 第21-22页 |
| 2.2 云计算任务调度综述 | 第22-29页 |
| 2.2.1 云计算中的任务调度 | 第22-23页 |
| 2.2.2 成熟的云平台调度策略 | 第23-24页 |
| 2.2.3 云任务调度的特点和目标 | 第24-26页 |
| 2.2.4 常用调度算法 | 第26-29页 |
| 第3章 基于LB-AACO的任务调度策略 | 第29-51页 |
| 3.1 蚁群算法综述 | 第29-33页 |
| 3.1.1 基本蚁群算法模型 | 第29-32页 |
| 3.1.2 蚁群算法的优缺点 | 第32-33页 |
| 3.1.3 现阶段蚁群算法的应用 | 第33页 |
| 3.2 改进蚁群算法 | 第33-37页 |
| 3.2.1 状态转移规则 | 第33-34页 |
| 3.2.2 信息素更新 | 第34-35页 |
| 3.2.3 实验与结果 | 第35-37页 |
| 3.3 基于LB-AACO策略的任务调度的可行性分析 | 第37-50页 |
| 3.3.1 蚁群算法模型与任务调度模型的转换 | 第38-39页 |
| 3.3.2 数学模型参数化 | 第39-41页 |
| 3.3.3 基于多项QoS目标的资源选择约束函数 | 第41-42页 |
| 3.3.4 基于多项QoS目标的资源选择效用评价函数 | 第42-43页 |
| 3.3.5 基于LB-AACO策略的任务调度过程描述 | 第43-48页 |
| 3.3.6 策略LB-AACO的流程图 | 第48-49页 |
| 3.3.7 策略LB-AACO的伪代码 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 实验仿真与分析 | 第51-61页 |
| 4.1 仿真环境CloudSim | 第51-53页 |
| 4.2 CloudSim环境配置 | 第53页 |
| 4.3 LB-AACO算法在CloudSim中的实现 | 第53-56页 |
| 4.4 实验结果与分析 | 第56-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
