| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 基于能耗模型的节能技术 | 第16-17页 |
| 1.2.2 基于强化学习和反馈控制的节能优化 | 第17页 |
| 1.2.3 面临的问题和挑战 | 第17-19页 |
| 1.3 本文研究内容 | 第19-21页 |
| 第二章 能效建模及优化技术的相关研究 | 第21-29页 |
| 2.1 基于资源利用率的能耗模型 | 第21-22页 |
| 2.2 基于回归分析的能耗预测模型 | 第22-24页 |
| 2.3 基于性能/能耗比值的能效模型 | 第24-25页 |
| 2.4 基于资源管理的能效优化 | 第25-27页 |
| 2.5 基于控制反馈的能效优化 | 第27页 |
| 2.6 面向大规模数据密集型任务的能效优化 | 第27-29页 |
| 第三章 基于QOS和能源效率的能效模型 | 第29-43页 |
| 3.1 能源效率模型与测量方法 | 第29-32页 |
| 3.1.1 能源效率模型 | 第29-30页 |
| 3.1.2 能源效率模型的测量与计算方法 | 第30-32页 |
| 3.2 基于QoS定量分析的能源效率评估 | 第32-35页 |
| 3.2.1 基于能源效率的响应时间定量分析方法研究 | 第32-34页 |
| 3.2.2 基于能源效率的系统可用性定量分析 | 第34-35页 |
| 3.3 基于QoS/能源效率的能效评估 | 第35-38页 |
| 3.4 实验与分析 | 第38-41页 |
| 3.4.1 单机环境 | 第38页 |
| 3.4.2 云环境 | 第38-41页 |
| 3.5 小结 | 第41-43页 |
| 第四章 基于QoS参数归约的能效评估模型 | 第43-53页 |
| 4.1 QoS评价模型 | 第43-46页 |
| 4.1.1 用户服务矩阵 | 第43-44页 |
| 4.1.2 建立QoS参数评价权重矩阵 | 第44-46页 |
| 4.2 云环境下能效的定性分析 | 第46-47页 |
| 4.2.1 能效模型 | 第46页 |
| 4.2.2 能效标识分级 | 第46-47页 |
| 4.3 实验与分析 | 第47-51页 |
| 4.3.1 单机环境 | 第48-49页 |
| 4.3.2 云环境 | 第49-51页 |
| 4.4 小结 | 第51-53页 |
| 第五章 多粒度资源空间的能效优化 | 第53-69页 |
| 5.1 粒计算 | 第53-56页 |
| 5.2 任务粒到虚拟资源粒的寻优与映射 | 第56-59页 |
| 5.3 资源粒度的切换和能效预测模型的建立 | 第59-61页 |
| 5.4 基于多粒度联合计算的能效感知策略 | 第61-63页 |
| 5.5 实验与分析 | 第63-67页 |
| 5.5.1 能效预测值与测量值对比实验 | 第63-65页 |
| 5.5.2 不同能效模型的能效指标对比 | 第65-67页 |
| 5.6 小结 | 第67-69页 |
| 第六章 基于模糊解耦的能效优化方法 | 第69-79页 |
| 6.1 云环境下能效参数的解耦 | 第69-72页 |
| 6.1.1 能效控制系统输入/输出变量的选择 | 第69-70页 |
| 6.1.2 基于Mamdani推理的云系统FNN模型 | 第70-72页 |
| 6.2 云系统FNN解耦器的设计 | 第72-73页 |
| 6.3 基于解耦的自适应控制决策 | 第73-74页 |
| 6.4 实验与分析 | 第74-76页 |
| 6.4.1 解耦前后响应对比实验 | 第74-75页 |
| 6.4.2 不同并发任务量下能效指标对比实验 | 第75-76页 |
| 6.5 小结 | 第76-79页 |
| 第七章 总结与展望 | 第79-83页 |
| 7.1 总结 | 第79-80页 |
| 7.2 进一步的工作 | 第80-83页 |
| 参考文献 | 第83-95页 |
| 攻读博士学位期间完成的科研成果 | 第95-97页 |
| 致谢 | 第97-98页 |