| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 论文的主要内容 | 第17页 |
| 1.4 论文的组织架构 | 第17-20页 |
| 第二章 遗传算法在网络运维中的应用 | 第20-35页 |
| 2.1 网络运维概述 | 第20-24页 |
| 2.1.1 网络运维的管理模型 | 第20-22页 |
| 2.1.2 络运维成本 | 第22-24页 |
| 2.1.2.1 定义 | 第22页 |
| 2.1.2.2 内容 | 第22-23页 |
| 2.1.2.3 特点 | 第23-24页 |
| 2.2 遗传算法 | 第24-29页 |
| 2.2.1 遗传算法简介及基本流程 | 第24-26页 |
| 2.2.2 遗传算法的相关参数 | 第26-28页 |
| 2.2.3 遗传算法的优势与不足之处 | 第28-29页 |
| 2.3 现场作业调度问题的建模 | 第29-34页 |
| 2.3.1 问题定义 | 第29-31页 |
| 2.3.2 结合网络运维现场作业生产特点的建模 | 第31-33页 |
| 2.3.3 基于遗传算法的现场作业调度问题求解技术框架 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于遗传算法的现场作业调度模型求解 | 第35-40页 |
| 3.1 遗传算法求解现场作业调度问题 | 第35-38页 |
| 3.1.1 编码 | 第35-36页 |
| 3.1.2 初始种群的生成 | 第36页 |
| 3.1.3 适应度函数的确定 | 第36页 |
| 3.1.4 选择 | 第36-37页 |
| 3.1.5 交叉 | 第37页 |
| 3.1.6 变异 | 第37-38页 |
| 3.2 算法的实现流程 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 基于改进遗传算法的现场作业调度算法 | 第40-53页 |
| 4.1 模拟退火算法 | 第40-45页 |
| 4.1.1 模拟退火算法的思想 | 第40-41页 |
| 4.1.2 冷却进度表中参数的讨论 | 第41-43页 |
| 4.1.3 模拟退火算法的优缺点 | 第43-45页 |
| 4.2 模拟退火遗传算法的设计 | 第45-52页 |
| 4.2.1 与遗传算法的融合 | 第45-47页 |
| 4.2.2 基于模拟退火遗传算法的现场作业调度模型的实现 | 第47页 |
| 4.2.3 算法的实现流程 | 第47-49页 |
| 4.2.4 算例分析 | 第49-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 SAGA在智能化运维服务管理平台中的应用 | 第53-61页 |
| 5.1 智能化运维服务管理平台概述 | 第53-54页 |
| 5.2 智能化运维服务管理平台的内容 | 第54-59页 |
| 5.3 实例分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的学术论文和参加的科研项目 | 第68-70页 |
| 致谢 | 第70页 |