| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 引言 | 第11-20页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 虚拟机迁移 | 第13-16页 |
| 1.2.2 增强学习 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 本文创新点 | 第18页 |
| 1.5 章节安排 | 第18-20页 |
| 第2章 相关背景介绍 | 第20-29页 |
| 2.1 虚拟机迁移 | 第20-22页 |
| 2.1.1 离线迁移 | 第20-21页 |
| 2.1.2 在线迁移 | 第21-22页 |
| 2.2 增强学习算法 | 第22-29页 |
| 2.2.1 定义 | 第22-23页 |
| 2.2.2 马尔可夫决策过程 | 第23-25页 |
| 2.2.3 Q-learning | 第25-27页 |
| 2.2.4 增强学习算法的特性 | 第27-29页 |
| 第3章 虚拟机服务迁移模型设计 | 第29-40页 |
| 3.1 服务迁移模型的提出 | 第30-31页 |
| 3.1.1 代价模型 | 第30页 |
| 3.1.2 接入代价 | 第30-31页 |
| 3.1.3 迁移代价 | 第31页 |
| 3.1.4 迁移目标 | 第31页 |
| 3.2 基于Q-learning的虚拟机服务迁移算法 | 第31-39页 |
| 3.2.1 Mig-RL框架 | 第31-33页 |
| 3.2.2 学习智能体 | 第33-35页 |
| 3.2.3 学习空间 | 第35-36页 |
| 3.2.4 基于Mig-RL的一个实例 | 第36-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 实验和结果分析 | 第40-53页 |
| 4.1 实验说明 | 第40页 |
| 4.2 实验结果与分析 | 第40-51页 |
| 4.2.1 实验数据源介绍 | 第40-42页 |
| 4.2.2 访问模式的变化 | 第42-46页 |
| 4.2.3 网络规模的变化 | 第46-51页 |
| 4.3 实验环境 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 总结和展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 本文的不足和展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-62页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第62页 |