| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 研究背景 | 第16-19页 |
| 1.1.1 互联网的发展及其挑战 | 第16-18页 |
| 1.1.2 未来网络的兴起 | 第18-19页 |
| 1.2 选题来源与研究意义 | 第19-22页 |
| 1.2.1 课题来源 | 第19-20页 |
| 1.2.2 研究意义 | 第20-22页 |
| 1.3 主要研究内容及创新点 | 第22-25页 |
| 1.3.1 论文主要研究工作 | 第22-23页 |
| 1.3.2 论文的创新点 | 第23-25页 |
| 1.4 论文框架 | 第25-28页 |
| 第二章 云网融合的使能技术及实验平台研究概述 | 第28-44页 |
| 2.1 云网融合的使能技术研究概述 | 第28-37页 |
| 2.1.1 云网融合资源调度研究概述 | 第28-29页 |
| 2.1.2 软件定义网络研究概述 | 第29-33页 |
| 2.1.3 网络功能虚拟化研究概述 | 第33-37页 |
| 2.2 网络创新实验床研究 | 第37-42页 |
| 2.2.1 国内外实验床建设规划情况 | 第37-40页 |
| 2.2.2 实验床关键技术研究 | 第40-42页 |
| 2.3 本章小结 | 第42-44页 |
| 第三章 基于工作负载预测的虚拟机整合算法 | 第44-56页 |
| 3.1 引言 | 第44-45页 |
| 3.2 问题描述 | 第45-46页 |
| 3.3 基于工作负载预测的虚拟机整合算法 | 第46-50页 |
| 3.3.1 数据中心管理架构设计 | 第46-47页 |
| 3.3.2 新型虚拟机整合混合控制系统设计 | 第47页 |
| 3.3.3 基于工作负载预测的虚拟机整合算法设计 | 第47-50页 |
| 3.4 实验分析 | 第50-54页 |
| 3.4.1 工作负载预测性能分析 | 第50-52页 |
| 3.4.2 基于Cloudsim的仿真分析 | 第52-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 基于强化学习的服务链映射算法 | 第56-72页 |
| 4.1 引言 | 第56-58页 |
| 4.2 问题描述 | 第58-59页 |
| 4.3 基于多智能体强化学习的服务链资源调度系统设计 | 第59-63页 |
| 4.3.1 系统架构 | 第59-61页 |
| 4.3.2 系统控制及流程 | 第61-63页 |
| 4.4 基于强化学习的服务链映射算法 | 第63-66页 |
| 4.4.1 基于Q-Learning的服务链映射 | 第64-65页 |
| 4.4.2 算法描述 | 第65-66页 |
| 4.5 算法仿真与分析 | 第66-71页 |
| 4.5.1 仿真环境 | 第66-67页 |
| 4.5.2 对比算法 | 第67页 |
| 4.5.3 评价指标 | 第67-68页 |
| 4.5.4 实验结果 | 第68-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第五章 一种基于二分图的内容预缓存机制 | 第72-80页 |
| 5.1 引言 | 第72-73页 |
| 5.2 移动网络内容预缓存系统 | 第73-74页 |
| 5.2.1 系统描述 | 第73-74页 |
| 5.2.2 链路状态信息收集和处理 | 第74页 |
| 5.3 基于二分图的内容预缓存算法 | 第74-77页 |
| 5.3.1 问题描述 | 第74-75页 |
| 5.3.2 算法步骤 | 第75-77页 |
| 5.3.3 算法分析 | 第77页 |
| 5.4 仿真结果及性能分析 | 第77-79页 |
| 5.5 本章小结 | 第79-80页 |
| 第六章 基于SDN/NFV的未来网络实验平台 | 第80-96页 |
| 6.1 引言 | 第80-81页 |
| 6.2 相关研究 | 第81-85页 |
| 6.3 核心技术方案 | 第85-95页 |
| 6.3.1 系统架构设计 | 第85-86页 |
| 6.3.2 基于SDN的跨域虚网通信 | 第86-88页 |
| 6.3.3 虚拟网元管理 | 第88-93页 |
| 6.3.4 网络服务编排 | 第93-95页 |
| 6.4 本章小结 | 第95-96页 |
| 第七章 结束语 | 第96-100页 |
| 7.1 论文工作总结 | 第96-97页 |
| 7.2 后续研究展望 | 第97-100页 |
| 附录 | 第100-104页 |
| 参考文献 | 第104-110页 |
| 致谢 | 第110-112页 |
| 攻读学位期间发表的学术论文目录 | 第112页 |