| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 课题的主要工作 | 第14-15页 |
| 1.4 论文的内容安排 | 第15-17页 |
| 第2章 面向云计算的虚拟机整合及人工蜂群算法简介 | 第17-29页 |
| 2.1 云计算概述 | 第17-20页 |
| 2.1.1 云计算概念与分类 | 第17-19页 |
| 2.1.2 云计算实现机制 | 第19-20页 |
| 2.2 云计算关键技术 | 第20-23页 |
| 2.2.1 数据存储技术 | 第20页 |
| 2.2.2 海量数据处理技术 | 第20-21页 |
| 2.2.3 虚拟化技术 | 第21-22页 |
| 2.2.4 快速部署技术 | 第22页 |
| 2.2.5 资源调度技术 | 第22-23页 |
| 2.3 虚拟机整合 | 第23-26页 |
| 2.3.1 负载均衡概述 | 第23-24页 |
| 2.3.2 虚拟机动态迁移技术 | 第24页 |
| 2.3.3 源主机选择 | 第24-25页 |
| 2.3.4 虚拟机选择 | 第25-26页 |
| 2.3.5 虚拟机分配 | 第26页 |
| 2.4 人工蜂群算法 | 第26-28页 |
| 2.4.1 人工蜂群算法简介 | 第26-27页 |
| 2.4.2 改进的基于反向的人工蜂群算法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 数据中心能耗研究与模型构建 | 第29-34页 |
| 3.1 数据中心的能耗分布 | 第29-30页 |
| 3.2 单个服务器能耗分布 | 第30-31页 |
| 3.3 能耗评估模型 | 第31-33页 |
| 3.3.1 虚拟机能耗评估模型 | 第31-32页 |
| 3.3.2 主机能耗评估模型 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 数据云中基于启发式反向蜂群的虚拟机整合节能算法 | 第34-46页 |
| 4.1 虚拟机整合问题描述 | 第34-36页 |
| 4.2 经典的虚拟机选择算法 | 第36-37页 |
| 4.2.1 最小迁移时间策略（MMT） | 第36-37页 |
| 4.2.2 随机选择策略（RS） | 第37页 |
| 4.2.3 最大关联策略（MC） | 第37页 |
| 4.3 经典的虚拟机分配算法 | 第37-38页 |
| 4.3.1 静态单阈值策略（THR） | 第37页 |
| 4.3.2 四分位差策略（IQR） | 第37页 |
| 4.3.3 中值绝对偏差策略（MAD） | 第37-38页 |
| 4.4 基于启发式反向蜂群的虚拟机整合节能算法 | 第38-45页 |
| 4.4.1 源主机选择算法 | 第38-39页 |
| 4.4.2 基于启发式反向蜂群的虚拟机选择节能算法（ABCS） | 第39-43页 |
| 4.4.3 基于启发式反向蜂群的虚拟机分配节能算法（ABCA） | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 仿真实验与结果分析 | 第46-54页 |
| 5.1 CloudSim简介 | 第46-47页 |
| 5.2 CloudSim实验平台扩展构建 | 第47-49页 |
| 5.2.1 实验环境 | 第47-48页 |
| 5.2.2 平台扩展与编译 | 第48页 |
| 5.2.3 仿真实验数据 | 第48-49页 |
| 5.3 主要实验参数介绍 | 第49-51页 |
| 5.3.1 数据中心总能耗 | 第49页 |
| 5.3.2 服务水平协议违反率SLAV | 第49-50页 |
| 5.3.3 虚拟机迁移数量 | 第50页 |
| 5.3.4 ESV | 第50-51页 |
| 5.4 实验结果与分析 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 在学期间发表的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
