| 主要创新点 | 第5-12页 |
| 摘要 | 第12-15页 |
| ABSTRACT | 第15-17页 |
| 1 绪论 | 第18-30页 |
| 1.1 选题背景与研究意义 | 第18-20页 |
| 1.2 研究现状 | 第20-26页 |
| 1.2.1 工作流系统的服务质量 | 第20-22页 |
| 1.2.2 工作流时序验证 | 第22-24页 |
| 1.2.3 服务质量异常预测 | 第24-25页 |
| 1.2.4 软件系统非功能属性的测试和验证 | 第25-26页 |
| 1.3 拟解决的关键问题以及研究思路 | 第26-27页 |
| 1.4 主要研究内容 | 第27-29页 |
| 1.5 论文组织结构 | 第29-30页 |
| 2 研究基础 | 第30-41页 |
| 2.1 云工作流管理 | 第30-31页 |
| 2.2 排队论 | 第31-36页 |
| 2.2.1 排队系统概述 | 第31-34页 |
| 2.2.2 排队系统的主要指标 | 第34-35页 |
| 2.2.3 常见的几种排队系统模型 | 第35-36页 |
| 2.3 传染病模型 | 第36-39页 |
| 2.3.1 传染病动力学的基本知识 | 第36-38页 |
| 2.3.2 传染病传播模型的几种基本形式 | 第38-39页 |
| 2.4 商务云工作流平台SWINFLOW-CLOUD | 第39-41页 |
| 3 商务云工作流时序异常的静态预测 | 第41-66页 |
| 3.1 引言 | 第41-43页 |
| 3.2 实例分析 | 第43-46页 |
| 3.2.1 实例密集型工作流:证券交易工作流 | 第43-44页 |
| 3.2.2 并发工作流活动的模拟执行 | 第44-46页 |
| 3.3 预测策略概述 | 第46-47页 |
| 3.4 基于传染病传播模型的时序异常预测策略 | 第47-54页 |
| 3.4.1 工作流时间约束 | 第47-48页 |
| 3.4.2 工作流实例的排队模型 | 第48-50页 |
| 3.4.3 基于传染病传播模型的时序异常预测策略 | 第50-54页 |
| 3.5 工作流时序约束之间的时序依赖分析 | 第54-57页 |
| 3.6 实验验证 | 第57-64页 |
| 3.6.1 实验设置 | 第57-59页 |
| 3.6.2 实验结果 | 第59-64页 |
| 3.7 实验结果有效性分析 | 第64-65页 |
| 3.8 本章小结 | 第65-66页 |
| 4 商务云工作流的时序一致性验证 | 第66-83页 |
| 4.1 引言 | 第66-67页 |
| 4.2 相关定义 | 第67-69页 |
| 4.3 工作流响应时间的传播分析 | 第69-72页 |
| 4.4 工作流运行时时序一致性验证方法 | 第72-74页 |
| 4.4.1 传播敏感的吞吐量一致性模型 | 第72-74页 |
| 4.4.2 吞吐量一致性验证策略 | 第74页 |
| 4.5 实验验证 | 第74-82页 |
| 4.5.1 实验设置 | 第74-76页 |
| 4.5.2 实验结果和分析 | 第76-82页 |
| 4.6 本章小结 | 第82-83页 |
| 5 商务云工作流的时序异常处理 | 第83-98页 |
| 5.1 引言 | 第83-84页 |
| 5.2 适应性的工作流时序检测点选择策略 | 第84-86页 |
| 5.3 适应性的工作流时序异常处理策略 | 第86-92页 |
| 5.3.1 工作流时序异常处理点选择 | 第87-88页 |
| 5.3.2 新增资源的数量 | 第88-90页 |
| 5.3.3 新增资源的生命周期 | 第90-92页 |
| 5.4 实验验证 | 第92-97页 |
| 5.4.1 实验设置 | 第92-93页 |
| 5.4.2 实验结果 | 第93-97页 |
| 5.5 本章小结 | 第97-98页 |
| 6 总结与展望 | 第98-101页 |
| 6.1 本文的主要工作及贡献 | 第98-99页 |
| 6.2 下一步工作展望 | 第99-101页 |
| 参考文献 | 第101-111页 |
| 攻博期间发表的科研成果目录 | 第111-113页 |
| 致谢 | 第113页 |