| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-19页 |
| 1.1.1 云计算概述 | 第14-16页 |
| 1.1.2 CCRS问题背景及研究意义 | 第16-17页 |
| 1.1.3 分布估计算法背景及研究意义 | 第17-19页 |
| 1.2 研究现状 | 第19-21页 |
| 1.2.1 CCRS问题的研究综述 | 第19-20页 |
| 1.2.2 考虑用户开销或者截止日期的CCRS问题 | 第20-21页 |
| 1.3 本文概述 | 第21-24页 |
| 1.3.1 本文研究内容与方法 | 第21-22页 |
| 1.3.2 本文主要贡献 | 第22页 |
| 1.3.3 本文章节安排 | 第22-24页 |
| 第2章 CCRS问题综述 | 第24-34页 |
| 2.1 CCRS问题分类 | 第24-26页 |
| 2.1.1 SaaS层CCRS问题 | 第24页 |
| 2.1.2 PaaS层CCRS问题 | 第24-26页 |
| 2.1.3 IaaS层CCRS问题 | 第26页 |
| 2.2 CCRS问题的求解算法 | 第26-34页 |
| 2.2.1 确定性算法 | 第27页 |
| 2.2.2 启发式规则 | 第27-28页 |
| 2.2.3 演化计算方法 | 第28-29页 |
| 2.2.4 分布估计算法 | 第29-34页 |
| 第3章 考虑完工时间的CCRS问题的求解算法 | 第34-46页 |
| 3.1 问题模型 | 第34-36页 |
| 3.1.1 符号说明 | 第34页 |
| 3.1.2 条件假设 | 第34-35页 |
| 3.1.3 数学建模 | 第35-36页 |
| 3.2 PBIL的一般框架 | 第36页 |
| 3.3 PBIL算法改进 | 第36-39页 |
| 3.3.1 编码方案 | 第37页 |
| 3.3.2 种群初始化 | 第37-38页 |
| 3.3.3 概率模型 | 第38-39页 |
| 3.3.4 学习率函数 | 第39页 |
| 3.3.5 抽样策略 | 第39页 |
| 3.4 IPBIL算法展示 | 第39-41页 |
| 3.4.1 IPBIL参数设置 | 第39-40页 |
| 3.4.2 IPBIL伪代码 | 第40-41页 |
| 3.5 仿真实验 | 第41-44页 |
| 3.5.1 对比算法介绍 | 第41-42页 |
| 3.5.2 求解质量对比分析 | 第42-43页 |
| 3.5.3 收敛速度对比分析 | 第43-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 考虑截止日期和用户开销的CCRS问题的求解算法 | 第46-76页 |
| 4.1 问题模型 | 第46-49页 |
| 4.1.1 符号说明 | 第47页 |
| 4.1.2 条件假设 | 第47-48页 |
| 4.1.3 数学建模 | 第48-49页 |
| 4.2 Markov-EDA | 第49-50页 |
| 4.2.1 马尔可夫链模型 | 第49-50页 |
| 4.2.2 Markov-EDA基本框架 | 第50页 |
| 4.3 HEDA算法设计 | 第50-57页 |
| 4.3.1 编码方案 | 第51页 |
| 4.3.2 概率模型 | 第51-55页 |
| 4.3.3 参数学习 | 第55-56页 |
| 4.3.4 抽样策略 | 第56-57页 |
| 4.4 HEDA算法展示 | 第57-60页 |
| 4.4.1 不可行解修正算法 | 第58-60页 |
| 4.4.2 HEDA参数设置 | 第60页 |
| 4.4.3 HEDA伪代码 | 第60页 |
| 4.5 仿真实验 | 第60-72页 |
| 4.5.1 实验参数设置 | 第60-61页 |
| 4.5.2 对比算法介绍 | 第61-63页 |
| 4.5.3 MC和BD的性能对比 | 第63-65页 |
| 4.5.4 用户开销评估 | 第65-67页 |
| 4.5.5 算法的收敛性对比分析 | 第67-71页 |
| 4.5.6 截止日期满足度对比分析 | 第71-72页 |
| 4.6 本章小结 | 第72-76页 |
| 第5章 总结和展望 | 第76-80页 |
| 5.1 研究总结 | 第76-77页 |
| 5.2 研究展望 | 第77-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-88页 |
| 在读期间发表的学术论文与取得的研究成果 | 第88页 |