| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 致谢 | 第12-17页 |
| 第一章 绪论 | 第17-35页 |
| ·研究背景和意义 | 第17-19页 |
| ·研究现状和问题分析 | 第19-29页 |
| ·云计算 | 第19-24页 |
| ·SaaS | 第24-25页 |
| ·服务部署问题 | 第25-26页 |
| ·服务选择问题 | 第26-27页 |
| ·和声搜索算法 | 第27-28页 |
| ·蚁群算法 | 第28-29页 |
| ·主要研究内容与创新之处 | 第29-32页 |
| ·主要研究内容 | 第29-31页 |
| ·论文创新之处 | 第31-32页 |
| ·论文的结构安排 | 第32-35页 |
| 第二章 基于MapReduce的云和声搜索算法研究 | 第35-47页 |
| ·引言 | 第35页 |
| ·和声搜索算法 | 第35-36页 |
| ·和声搜索算法的改进 | 第36-37页 |
| ·改进和声搜索算法(IHS) | 第36页 |
| ·多目标改进和声搜索算法(MOIHS) | 第36-37页 |
| ·MOIHS的实现 | 第37页 |
| ·基于MapReduce的云和声搜索算法 | 第37-42页 |
| ·知识即服务组合优化建模 | 第38页 |
| ·云和声搜索算法及其改进 | 第38-40页 |
| ·ICHS的Map函数设计 | 第40-41页 |
| ·ICHS的Reduce函数设计 | 第41-42页 |
| ·仿真实验及结果分析 | 第42-44页 |
| ·本章小结 | 第44-47页 |
| 第三章 基于云和声搜索算法的综合SaaS部署问题研究 | 第47-55页 |
| ·引言 | 第47页 |
| ·SaaS部署问题建模 | 第47-49页 |
| ·问题的提出 | 第47-48页 |
| ·SPP问题建模 | 第48-49页 |
| ·求解SPP问题的云和声搜索算法 | 第49-51页 |
| ·云和声搜索算法 | 第49-50页 |
| ·算法中的key、value键值对的设置 | 第50页 |
| ·求解SPP问题的云和声搜索算法流程 | 第50-51页 |
| ·仿真实验及结果分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 基于MapReduce的蚁群算法研究 | 第55-67页 |
| ·引言 | 第55页 |
| ·蚁群算法 | 第55-56页 |
| ·基于MapReduce的蚁群算法 | 第56-61页 |
| ·算法中的key、value键值对 | 第57页 |
| ·MRACO的Map函数 | 第57-58页 |
| ·MRACO的Reduce函数 | 第58页 |
| ·MRACO算法中引入任务管道 | 第58页 |
| ·蚁群算法的改进 | 第58-60页 |
| ·IMRACO+SE算法及框架 | 第60-61页 |
| ·仿真实验 | 第61-65页 |
| ·实验环境及参数 | 第61页 |
| ·算法的有效性和收敛性 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 基于MapReduce和多目标蚁群算法的SaaS服务动态选择问题研究 | 第67-79页 |
| ·引言 | 第67页 |
| ·基于QoS全局最优的服务动态选择问题 | 第67-69页 |
| ·基于MapReduce和多目标蚁群算法的服务动态选择算法 | 第69-74页 |
| ·多目标蚁群算法 | 第69-70页 |
| ·数据预处理 | 第70页 |
| ·DSSMA算法设计及框架 | 第70-71页 |
| ·Map函数 | 第71-72页 |
| ·Reduce函数 | 第72-73页 |
| ·算法的改进 | 第73-74页 |
| ·仿真实验 | 第74-78页 |
| ·实验设计 | 第74-75页 |
| ·实验环境及参数 | 第75页 |
| ·算法可行性 | 第75-76页 |
| ·算法有效性 | 第76-77页 |
| ·算法收敛性 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| ·全文工作总结 | 第79-80页 |
| ·进一步研究工作的展望 | 第80-81页 |
| 参考文献 | 第81-89页 |
| 攻读博士学位期间参加的科研工作和发表论文情况 | 第89-90页 |
