基于态势感知的云资源管理研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究的背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文主要研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第2章 基本理论及相关研究 | 第13-31页 |
| 2.1 云计算概述 | 第13-16页 |
| 2.1.1 云计算体系结构 | 第14-16页 |
| 2.1.2 云计算的特点 | 第16页 |
| 2.2 云计算资源管理及解决方法 | 第16-20页 |
| 2.2.1 云环境下虚拟化技术及资源管理 | 第16-19页 |
| 2.2.2 面临的资源管理问题 | 第19-20页 |
| 2.2.3 资源管理解决机制 | 第20页 |
| 2.3 态势感知技术 | 第20-29页 |
| 2.3.1 态势指标的确定及自适应指标数据获取 | 第22-23页 |
| 2.3.2 态势评估技术 | 第23-25页 |
| 2.3.3 态势预测技术 | 第25-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 云环境下基于态势感知的资源管理模型设计 | 第31-43页 |
| 3.1 模型整体框架 | 第31-32页 |
| 3.2 资源的数据采集 | 第32-35页 |
| 3.2.1 现有数据采集方法 | 第32-34页 |
| 3.2.2 新型数据采集方法 | 第34-35页 |
| 3.3 资源态势评估 | 第35-38页 |
| 3.3.1 评估指标的筛选及优化处理 | 第35-37页 |
| 3.3.2 评估规则设定 | 第37-38页 |
| 3.4 资源态势预测 | 第38-41页 |
| 3.4.1 传统预测方法 | 第38-39页 |
| 3.4.2 新型预测方法 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 云计算环境下态势感知算法设计 | 第43-53页 |
| 4.1 自适应数据采集算法的设计 | 第43-45页 |
| 4.1.1 自适应数据采集算法设计 | 第43-44页 |
| 4.1.2 自适应数据采集算法核心伪代码 | 第44-45页 |
| 4.2 评估算法的设计 | 第45-47页 |
| 4.2.1 层次分析法 | 第45-47页 |
| 4.2.2 评估态势的计算 | 第47页 |
| 4.3 预测算法的设计 | 第47-52页 |
| 4.3.1 预测算法的改进方案 | 第47-48页 |
| 4.3.2 狼群算法优化预测模型的初始权重 | 第48-51页 |
| 4.3.3 自适应调整机制—ALRAMO | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 基于态势感知的云资源管理模型实现 | 第53-61页 |
| 5.1 实验环境 | 第53页 |
| 5.2 自适应数据采集算法实现 | 第53-55页 |
| 5.3 基于AHP层次分析法的态势评估算法的实现 | 第55-57页 |
| 5.4 基于改进BP神经网络的态势预测算法的实现 | 第57-59页 |
| 5.5 云环境下基于态势感知模型的结果分析 | 第59页 |
| 5.6 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间所发表的论文 | 第67-69页 |
| 致谢 | 第69页 |
