| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 论文的主要工作内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第二章 SDN和云存储的介绍以及相关问题的定义 | 第18-30页 |
| 2.1 定义软件定义网络(SDN) | 第18-22页 |
| 2.1.1 软件定义网络的基本结构 | 第18-20页 |
| 2.1.2 SDN当前研究热点问题 | 第20-22页 |
| 2.2 云计算和基于SDN的云储存 | 第22-28页 |
| 2.2.1 云计算的基本概念和特点 | 第22-23页 |
| 2.2.2 基于SDN的云储存 | 第23-25页 |
| 2.2.3 基于SDN的云储存当前研究热点问题 | 第25-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 PSO优化算法概述 | 第30-34页 |
| 3.1 PSO算法基本概念和原理 | 第30-31页 |
| 3.2 粒子群算法的流程 | 第31-32页 |
| 3.3 PSO算法发展和演变 | 第32-33页 |
| 3.4 粒子群算法的实际应用 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 SDN控制器全局延时最小部署问题 | 第34-45页 |
| 4.1 SDN控制器全局延时最小部署问题描述 | 第34-35页 |
| 4.2 SDN控制器全局延时最小部署问题数学符号描述 | 第35-36页 |
| 4.3 PSO算法解决控制器全局延时最小部署问题的算法思想 | 第36-39页 |
| 4.3.1 PSO-GDM算法的原理 | 第37-38页 |
| 4.3.2 PSO-GDM算法步骤 | 第38-39页 |
| 4.4 仿真结果评估 | 第39-44页 |
| 4.4.1 网络仿真环境 | 第39-41页 |
| 4.4.2 评价指标 | 第41-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 最大负载最小化的SDN控制器部署问题 | 第45-58页 |
| 5.1 问题描述 | 第45-46页 |
| 5.2 最大任务负载最小化的SDN控制器部署算法 | 第46-52页 |
| 5.2.1 NCPSO算法的原理 | 第46-50页 |
| 5.2.2 NCPSO算法具体步骤 | 第50-52页 |
| 5.3 仿真结果评估 | 第52-57页 |
| 5.3.1 控制器部署个数分析 | 第52-54页 |
| 5.3.2 控制器最小利用率 | 第54-55页 |
| 5.3.3 网络负载均衡分析 | 第55-56页 |
| 5.3.4 控制器到转发器之间的延时 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 基于需求的SDN动态云存储问题 | 第58-67页 |
| 6.1 基于需求的动态云存储问题 | 第58-60页 |
| 6.2 基于需求的SDN动态云存储问题的数学描述 | 第60-61页 |
| 6.3 解决问题的算法 | 第61-64页 |
| 6.3.1 算法思想 | 第61-62页 |
| 6.3.2 算法设计 | 第62-64页 |
| 6.4 仿真实验 | 第64-66页 |
| 6.4.1 云存储需要的服务器个数分析 | 第64-65页 |
| 6.4.2 网络流量分析 | 第65-66页 |
| 6.4.3 网络延时分析 | 第66页 |
| 6.5 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7.1 总结 | 第67-68页 |
| 7.2 展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文目录 | 第76-77页 |
| 在读期间参与的科研项目情况 | 第77-78页 |
| 学位论文评阅及答辩情况表 | 第78页 |