基于蚁群算法及时间序列预测模型的云计算资源调度策略
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 网格计算下的资源调度 | 第9页 |
| 1.3 云计算环境下的调度策略 | 第9-10页 |
| 1.4 技术路线 | 第10页 |
| 1.5 论文结构 | 第10-12页 |
| 2 云计算概论 | 第12-22页 |
| 2.1 云计算定义与内容 | 第12-17页 |
| 2.1.1 云计算服务模式 | 第12-14页 |
| 2.1.2 云计算体系架构 | 第14-15页 |
| 2.1.3 云计算的技术结构 | 第15-16页 |
| 2.1.4 云计算的基本特征 | 第16-17页 |
| 2.2 云计算相关技术 | 第17-20页 |
| 2.2.1 虚拟化技术 | 第17页 |
| 2.2.2 网格与云计算 | 第17-18页 |
| 2.2.3 SOA | 第18-19页 |
| 2.2.4 海量数据存储与管理 | 第19-20页 |
| 2.3 云平台资源调度策略 | 第20-21页 |
| 2.4 未来研究趋势 | 第21页 |
| 2.5 小结 | 第21-22页 |
| 3 蚁群算法概论 | 第22-27页 |
| 3.1 蚁群算法概述 | 第22页 |
| 3.2 基本蚁群算法 | 第22-26页 |
| 3.2.1 数学模型 | 第22-23页 |
| 3.2.2 算法流程 | 第23-25页 |
| 3.2.3 关键参数的设置 | 第25-26页 |
| 3.2.4 蚁群算法应用现状 | 第26页 |
| 3.3 本章小结 | 第26-27页 |
| 4 时间序列预测方法 | 第27-40页 |
| 4.1 时间序列相关[23] | 第27-29页 |
| 4.1.1 随机过程 | 第27页 |
| 4.1.2 时间序列概述 | 第27-28页 |
| 4.1.3 时间序列的平稳性 | 第28页 |
| 4.1.4 自相关函数ACF | 第28页 |
| 4.1.5 偏自相关函数 | 第28-29页 |
| 4.1.6 线性序列 | 第29页 |
| 4.2 时间序列预测模型 | 第29-31页 |
| 4.2.1 AR模型 | 第29-30页 |
| 4.2.2 MA（q）模型 | 第30-31页 |
| 4.2.3 ARMA（p，q）模型 | 第31页 |
| 4.3 ARMA模型的建模 | 第31-39页 |
| 4.4 小结 | 第39-40页 |
| 5 云资源调度策略 | 第40-49页 |
| 5.1 问题描述 | 第40页 |
| 5.2 调度目标 | 第40-41页 |
| 5.3 云资源调度策略模型 | 第41-46页 |
| 5.3.1 模型概述 | 第41-42页 |
| 5.3.2 虚拟机调度模块 | 第42-46页 |
| 5.3.3 数据中心负载预测模块 | 第46页 |
| 5.3.4 物理机电源管理模块 | 第46页 |
| 5.4 算法部分伪代码 | 第46-48页 |
| 5.5 小结 | 第48-49页 |
| 6 CLOUDSIM仿真实验 | 第49-58页 |
| 6.1 CLOUDSIM简介 | 第49-52页 |
| 6.1.1 功能特点 | 第49页 |
| 6.1.2 体系结构[32] | 第49-51页 |
| 6.1.3 仿真步骤 | 第51-52页 |
| 6.2 实验环境配置 | 第52-53页 |
| 6.3 仿真实现 | 第53-55页 |
| 6.4 实验结果分析 | 第55-57页 |
| 6.5 本章小结 | 第57-58页 |
| 7 总结与展望 | 第58-60页 |
| 7.1 总结 | 第58页 |
| 7.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
