| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 引言 | 第13-21页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 研究问题 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-21页 |
| 第2章 软件自适应相关研究 | 第21-29页 |
| 2.1 自适应反馈回路 | 第21-22页 |
| 2.2 自适应决策 | 第22-25页 |
| 2.3 云资源自适应调整 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于组件服务资源动态调整的SBS云应用性能自适应优化框架 | 第29-51页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于组件服务资源动态调整的自适应优化框架 | 第30-35页 |
| 3.2.1 研究动机 | 第30-33页 |
| 3.2.2 基于组件服务资源动态调整的自适应优化框架 | 第33-35页 |
| 3.3 自适应优化框架的基本元素 | 第35-43页 |
| 3.3.1 关键性能指标 | 第35-37页 |
| 3.3.2 系统部署信息 | 第37-38页 |
| 3.3.3 自适应原语 | 第38-39页 |
| 3.3.4 自适应目标 | 第39-40页 |
| 3.3.5 触发事件 | 第40-41页 |
| 3.3.6 自适应模板 | 第41-42页 |
| 3.3.7 自适应规则 | 第42-43页 |
| 3.4 自适应优化框架应用实例 | 第43-46页 |
| 3.4.1 系统部署环境 | 第44页 |
| 3.4.2 自适应目标设定 | 第44-45页 |
| 3.4.3 自适应规则生成 | 第45-46页 |
| 3.5 云应用性能优化平台 | 第46-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 基于混合遗传算法的SBS云应用性能自适应优化方法 | 第51-83页 |
| 4.1 引言 | 第51-52页 |
| 4.2 面向全局优化的云应用性能自适应优化过程 | 第52-53页 |
| 4.3 自适应调整生成 | 第53-56页 |
| 4.3.1 R-P模型建立 | 第54-56页 |
| 4.3.2 熵-最小描述长度原则资源划分 | 第56页 |
| 4.4 自适应调整组合形成 | 第56-63页 |
| 4.4.1 自适应调整代价收益模型 | 第57-58页 |
| 4.4.2 面向自适应调整组合的优化模型 | 第58-59页 |
| 4.4.3 优化模型求解算法 | 第59-63页 |
| 4.5 实验及分析 | 第63-81页 |
| 4.5.1 实验设计 | 第63-66页 |
| 4.5.2 参数设定分析 | 第66-69页 |
| 4.5.3 基于混合遗传算法的自适应优化方法有效性验证 | 第69-81页 |
| 4.6 本章小结 | 第81-83页 |
| 第5章 基于强化学习的SBS云应用性能自适应优化方法 | 第83-107页 |
| 5.1 引言 | 第83-84页 |
| 5.2 面向逐步优化的云应用性能自适应优化过程 | 第84-88页 |
| 5.2.1 基于强化学习的自适应模型 | 第84-87页 |
| 5.2.2 方法概述 | 第87-88页 |
| 5.3 基于Q-learning的自适应基础信息 | 第88-90页 |
| 5.3.1 State的形式化表示 | 第88-89页 |
| 5.3.2 Action的形式化表示 | 第89-90页 |
| 5.4 在线演化过程 | 第90-91页 |
| 5.4.1 自适应动态决策 | 第90页 |
| 5.4.2 在线学习 | 第90-91页 |
| 5.5 实验及分析 | 第91-105页 |
| 5.5.1 实验设计 | 第92页 |
| 5.5.2 Q-learning算法收敛性分析 | 第92-94页 |
| 5.5.3 基于Q-learning的自适应优化方法有效性验证 | 第94-105页 |
| 5.6 本章小结 | 第105-107页 |
| 第6章 基于连续双向拍卖的SBS云应用性能自适应优化方法 | 第107-131页 |
| 6.1 引言 | 第107-109页 |
| 6.2 面向整体收益最大化的云应用性能自适应优化过程 | 第109-111页 |
| 6.2.1 面向自适应决策的连续双向拍卖模型 | 第109-110页 |
| 6.2.2 方法概述 | 第110-111页 |
| 6.3 面向自适应决策的连续双向拍卖 | 第111-120页 |
| 6.3.1 拍卖过程 | 第111-112页 |
| 6.3.2 适合度和等效价格 | 第112-113页 |
| 6.3.3 出价和要价策略 | 第113-118页 |
| 6.3.4 交易价格和利润 | 第118-119页 |
| 6.3.5 适用于降低组件服务性能的拍卖模型 | 第119-120页 |
| 6.4 实验及分析 | 第120-130页 |
| 6.4.1 实验设计 | 第120-121页 |
| 6.4.2 连续双向拍卖算法的特性评估及分析 | 第121-122页 |
| 6.4.3 基于连续双向拍卖的自适应决策的有效性验证 | 第122-130页 |
| 6.5 本章小结 | 第130-131页 |
| 第7章 结论与展望 | 第131-135页 |
| 7.1 论文工作总结 | 第131-132页 |
| 7.2 未来研究展望 | 第132-135页 |
| 参考文献 | 第135-149页 |
| 致谢 | 第149-151页 |
| 攻读博士学位期间的主要成果 | 第151-153页 |
