| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 注释表 | 第7-8页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 云测试服务 | 第10-12页 |
| 1.2.2 云资源分配策略 | 第12-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 研究理论基础 | 第16-28页 |
| 2.1 云测试服务模型 | 第16-18页 |
| 2.2 BP神经网络算法 | 第18-20页 |
| 2.3 粒子群算法 | 第20-23页 |
| 2.3.1 粒子群算法的概念 | 第20-22页 |
| 2.3.2 粒子群算法的特点 | 第22页 |
| 2.3.3 粒子群算法的改进 | 第22-23页 |
| 2.4 遗传算法 | 第23-27页 |
| 2.4.1 遗传算法的概念 | 第23-25页 |
| 2.4.2 遗传算法的特点 | 第25-26页 |
| 2.4.3 遗传算法的改进 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 面向资源可用性的分配策略 | 第28-41页 |
| 3.1 问题描述和研究思路 | 第28页 |
| 3.2 实验环境搭建 | 第28-29页 |
| 3.3 实验数据搜集 | 第29-31页 |
| 3.4 算法描述 | 第31-35页 |
| 3.4.1 BP神经网络模型建立 | 第31页 |
| 3.4.2 IPSO算法描述 | 第31-33页 |
| 3.4.3 IPSO-BP神经网络算法描述 | 第33-35页 |
| 3.5 实验仿真与分析 | 第35-40页 |
| 3.5.1 实验一：基于标准函数的粒子群算法性能测试与分析 | 第35-39页 |
| 3.5.2 实验二：IPSO-BP算法在资源预测中的测试与分析 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 面向资源有效性的分配策略 | 第41-56页 |
| 4.1 问题描述和研究思路 | 第41-42页 |
| 4.2 实验数据搜集 | 第42-43页 |
| 4.3 算法描述 | 第43-51页 |
| 4.3.1 优化目标与约束条件 | 第43-44页 |
| 4.3.2 IGA算法描述 | 第44-51页 |
| 4.4 实验仿真与分析 | 第51-55页 |
| 4.4.1 实验一：IGA算法性能测试与分析 | 第52-54页 |
| 4.4.2 实验二：IGA算法与枚举算法在资源分配中的测试与分析 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 结束语 | 第56-58页 |
| 5.1 论文主要工作 | 第56-57页 |
| 5.2 后续研究工作 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第64页 |
