| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第二章 相关研究 | 第13-20页 |
| 2.1 缓存结构 | 第13-15页 |
| 2.1.1 Cache存储体 | 第13-14页 |
| 2.1.2 Cache地址转换部件 | 第14-15页 |
| 2.1.3 Cache替换部件 | 第15页 |
| 2.2 缓存策略的重要性 | 第15页 |
| 2.3 提升缓存性能的方法 | 第15-18页 |
| 2.3.1 降低缺失代价 | 第16-17页 |
| 2.3.2 减少数据块命中时间 | 第17页 |
| 2.3.3 提升缓存命中率 | 第17-18页 |
| 2.4 局部性原理 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 经典算法与LRFU自适应算法的研究 | 第20-31页 |
| 3.1 基于Recency的替换策略 | 第20-21页 |
| 3.1.1 LRU算法 | 第20-21页 |
| 3.1.2 CLOCK算法 | 第21页 |
| 3.1.3 MRU算法 | 第21页 |
| 3.2 基于Frecency的替换策略 | 第21-22页 |
| 3.2.1 LFU算法 | 第21-22页 |
| 3.2.2 FBR算法 | 第22页 |
| 3.3 基于Recency和Frecency平衡策略的算法 | 第22-29页 |
| 3.3.1 ARC算法 | 第22-24页 |
| 3.3.2 LRFU算法 | 第24-25页 |
| 3.3.3 A-LRFU算法 | 第25-26页 |
| 3.3.4 p-LRFU算法 | 第26-27页 |
| 3.3.5 LA-LRFU算法 | 第27-29页 |
| 3.4 改进的缓存替换策略 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于改进策略的LRFU自适应算法设计 | 第31-45页 |
| 4.1 ILA-LRFU算法 | 第31-35页 |
| 4.1.1 ILA-LRFU算法基本原理 | 第31-33页 |
| 4.1.2 ILA-LRFU运行方式 | 第33-34页 |
| 4.1.3 算法复杂度 | 第34-35页 |
| 4.2 AI-LRFU算法 | 第35-39页 |
| 4.2.1 AI-LRFU算法基本原理 | 第35-37页 |
| 4.2.2 AI-LRFU运行方式 | 第37-38页 |
| 4.2.3 算法复杂度 | 第38-39页 |
| 4.3 实验有效性分析 | 第39-44页 |
| 4.3.1 实验环境设定 | 第39-40页 |
| 4.3.2 实验工作负载 | 第40页 |
| 4.3.3 在线性访问模式下的算法表现 | 第40-41页 |
| 4.3.4 在强局部访问模式下的算法表现 | 第41-42页 |
| 4.3.5 在概率访问模式下的算法表现 | 第42-43页 |
| 4.3.6 在混合访问模式下的算法表现 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 工作总结与展望 | 第45-47页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 在学研究成果 | 第50-51页 |
| 致谢 | 第51页 |