| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 引言 | 第11-15页 |
| ·课题来源 | 第11页 |
| ·研究背景 | 第11-13页 |
| ·研究意义和方法路径 | 第13-15页 |
| ·研究意义 | 第13-14页 |
| ·研究方法 | 第14页 |
| ·研究路径 | 第14-15页 |
| 第2章 文献综述 | 第15-30页 |
| ·云计算下的 SaaS 服务及组合 | 第15-21页 |
| ·SaaS 定义及应用模式 | 第15-17页 |
| ·多租户特性 | 第17-18页 |
| ·SaaS 服务组合 | 第18-19页 |
| ·资源虚拟化 | 第19-21页 |
| ·SaaS 产业发展现状 | 第21-22页 |
| ·SaaS 服务资源配置研究现状 | 第22-26页 |
| ·SaaS 服务资源配置问题 | 第22-23页 |
| ·SaaS 服务资源配置基本方法 | 第23-24页 |
| ·SaaS 服务需求不确定性 | 第24-26页 |
| ·群智能研究 | 第26-29页 |
| ·蚁群算法 | 第26-27页 |
| ·粒子群算法 | 第27-29页 |
| ·文献述评 | 第29-30页 |
| 第3章 面向多租户不确定需求的 SaaS 资源配置机制 | 第30-42页 |
| ·不确定需求下 SaaS 资源配置流程分析 | 第30-35页 |
| ·SaaS 服务匹配 | 第31页 |
| ·SaaS 服务部署 | 第31-32页 |
| ·不确定需求分析 | 第32-34页 |
| ·不确定需求下的资源优化配置 | 第34-35页 |
| ·SaaS 资源配置目标 | 第35-37页 |
| ·多租户目标 | 第35-36页 |
| ·服务供应商目标 | 第36-37页 |
| ·SaaS 服务租户模型 | 第37-42页 |
| ·SaaS 租户需求模型 | 第37-38页 |
| ·SaaS 服务匹配模型 | 第38-40页 |
| ·SaaS 服务请求模型 | 第40-42页 |
| 第4章 基于神经网络识别的 SaaS 资源优化配置模型 | 第42-53页 |
| ·问题描述 | 第42-43页 |
| ·神经网络识别需求模型 | 第43-50页 |
| ·神经网络模拟不确定需求 | 第43-45页 |
| ·构建神经网络识别需求模型 | 第45-47页 |
| ·反向确定租户真实需求 | 第47-50页 |
| ·SaaS 资源优化配置模型 | 第50-53页 |
| ·虚拟资源量定义 | 第50页 |
| ·资源量转换函数 | 第50-51页 |
| ·成本函数 | 第51-53页 |
| 第5章 基于群智能的 SaaS 资源优化配置算法 | 第53-62页 |
| ·基于粒子群的资源优化配置(PSO-RA)算法 | 第53-58页 |
| ·算法空间求解结构 | 第53-55页 |
| ·初始化 | 第55-56页 |
| ·方案集纠偏 | 第56页 |
| ·方案变异 | 第56-57页 |
| ·更新 | 第57-58页 |
| ·适用于海量资源配置并行优化（PPSO-RA）算法 | 第58-62页 |
| ·中心计算模块 | 第59-60页 |
| ·搜索模块 | 第60页 |
| ·修正模块 | 第60-62页 |
| 第6章 面向不确定需求 SaaS 资源配置测试 | 第62-68页 |
| ·实验环境 | 第62-64页 |
| ·实验分析 | 第64-68页 |
| ·优化结果分析 | 第64-65页 |
| ·优化速度分析 | 第65页 |
| ·算法迭代过程分析 | 第65-68页 |
| 结语 | 第68-70页 |
| 参考文献 | 第70-77页 |
| 攻读学位期间科研成果 | 第77-78页 |
| 致谢 | 第78页 |
