| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1.绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究近况 | 第9-12页 |
| 1.3 本课题研究意义及主要研究内容 | 第12-15页 |
| 1.3.1 研究意义 | 第12-13页 |
| 1.3.2 主要研究内容 | 第13页 |
| 1.3.3 各章节内容安排 | 第13-15页 |
| 2.相关研究技术 | 第15-29页 |
| 2.1 SDN技术简介 | 第15-27页 |
| 2.1.1 SDN的概念和架构 | 第15-17页 |
| 2.1.2 OpenFlow协议 | 第17-24页 |
| 2.1.3 SDN控制器 | 第24-27页 |
| 2.2 SDN和数据中心网络 | 第27-29页 |
| 2.2.1 SDN的数据中心应用 | 第27-28页 |
| 2.2.2 数据中心网络的拓扑结构 | 第28-29页 |
| 3.基于SDN的流量负载均衡调度算法研究 | 第29-39页 |
| 3.1 蚁群算法 | 第29-35页 |
| 3.1.1 蚁群算法产生的背景 | 第29-30页 |
| 3.1.2 蚁群算法的原理 | 第30-33页 |
| 3.1.3 蚁群算法参数选取 | 第33-35页 |
| 3.1.4 蚂蚁算法的实现流程 | 第35页 |
| 3.2 遗传算法简介 | 第35-39页 |
| 3.2.1 遗传算法概述 | 第35-36页 |
| 3.2.2 种群编码方式 | 第36页 |
| 3.2.3 适应度函数的选取 | 第36页 |
| 3.2.4 选择算子 | 第36-37页 |
| 3.2.5 交叉和变异 | 第37-39页 |
| 4.基于遗传蚁群算法(GAACA)流量调度的实现 | 第39-47页 |
| 4.1 利用遗传算法优化蚁群算法参数(α,β,ρ) | 第40-42页 |
| 4.2 遗传蚁群算法的流程图 | 第42-43页 |
| 4.3 基于SDN架构的遗传蚁群算法 | 第43-44页 |
| 4.4 基于遗传蚁群算法的系统实现 | 第44-47页 |
| 4.4.1 全局网络拓扑测量模块 | 第45-46页 |
| 4.4.2 遗传蚁群算法路由模块 | 第46-47页 |
| 5.仿真测试与结果分析 | 第47-56页 |
| 5.1 Mininet仿真平台的介绍 | 第47-53页 |
| 5.1.1 Mininet概述 | 第47-50页 |
| 5.1.2 搭建Mininet实验环境 | 第50-51页 |
| 5.1.3 Mininet连接Ryu控制器并建立网络拓扑 | 第51-53页 |
| 5.2 仿真测试与结果分析 | 第53-56页 |
| 5.2.1 流量的生成和相关参数的设置 | 第53-54页 |
| 5.2.2 结果分析 | 第54-56页 |
| 6.总结与展望 | 第56-58页 |
| 6.1 本论文工作总结 | 第56-57页 |
| 6.2 未来工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 1 攻读硕士学位期间参与的项目和发表的论文 | 第62页 |