| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-13页 |
| 插图索引 | 第13-15页 |
| 算法索引 | 第15-16页 |
| 主要符号对照表 | 第16-17页 |
| 第一章 绪论 | 第17-33页 |
| ·研究背景 | 第17-21页 |
| ·云计算概述 | 第17-18页 |
| ·云计算数据中心 | 第18-21页 |
| ·研究现状 | 第21-30页 |
| ·硬件和固件层 | 第22-23页 |
| ·操作系统层 | 第23-24页 |
| ·虚拟化层 | 第24-25页 |
| ·集群层 | 第25-30页 |
| ·本文的工作 | 第30-31页 |
| ·本文的组织结构 | 第31-33页 |
| 第二章 相关优化理论 | 第33-43页 |
| ·Markov决策过程及强化学习 | 第33-38页 |
| ·一般Markov决策模型 | 第33-35页 |
| ·约束Markov决策模型 | 第35-37页 |
| ·Q学习 | 第37-38页 |
| ·大偏差原理 | 第38-41页 |
| ·小结 | 第41-43页 |
| 第三章 基于能量存储的云计算数据中心能耗成本优化 | 第43-63页 |
| ·引言 | 第43-45页 |
| ·系统模型 | 第45-51页 |
| ·能量管理系统架构 | 第45-46页 |
| ·基本数学模型 | 第46-49页 |
| ·基于MDP的成本管理问题 | 第49-51页 |
| ·基于Q学习的动态能量存储控制策略 | 第51-54页 |
| ·动态能量存储控制离线最优算法 | 第54-55页 |
| ·离线优化问题 | 第54页 |
| ·MILP问题转化 | 第54-55页 |
| ·实验与性能评估 | 第55-61页 |
| ·实验设置 | 第55-57页 |
| ·实验结果及分析 | 第57-61页 |
| ·小结 | 第61-63页 |
| 第四章 能耗成本感知的云计算数据中心服务资源动态供应 | 第63-87页 |
| ·引言 | 第63-65页 |
| ·系统模型 | 第65-71页 |
| ·能耗成本感知的系统架构 | 第65-66页 |
| ·基本数学模型 | 第66-68页 |
| ·带约束MDP的服务器资源供应问题 | 第68-71页 |
| ·已知系统动态的在线优化算法 | 第71-72页 |
| ·基于Q学习的算法 | 第72-73页 |
| ·PDS学习算法 | 第73-79页 |
| ·负载到达分布的估计 | 第74-76页 |
| ·PDS状态定义 | 第76-77页 |
| ·基于PDS的动态规划 | 第77-78页 |
| ·基于PDS的学习算法 | 第78-79页 |
| ·离线优化算法 | 第79-80页 |
| ·实验与性能评估 | 第80-84页 |
| ·实验设置 | 第80-81页 |
| ·实验结果及分析 | 第81-84页 |
| ·小结 | 第84-87页 |
| 第五章 面向绿色数据中心的能耗成本优化 | 第87-103页 |
| ·引言 | 第87-89页 |
| ·系统模型 | 第89-92页 |
| ·绿色数据中心系统结构 | 第89-90页 |
| ·数学模型描述 | 第90-92页 |
| ·过载概率的估计 | 第92-95页 |
| ·过载概率估计模型 | 第92-94页 |
| ·过载概率的在线估计 | 第94-95页 |
| ·自适应服务器资源配置算法 | 第95-97页 |
| ·实验与性能评估 | 第97-100页 |
| ·实验设置 | 第97-99页 |
| ·实验结果与分析 | 第99-100页 |
| ·小结 | 第100-103页 |
| 第六章 总结与展望 | 第103-105页 |
| ·本文总结 | 第103-104页 |
| ·研究展望 | 第104-105页 |
| 参考文献 | 第105-113页 |
| 致谢 | 第113-115页 |
| 在读期间发表的学术论文与取得的研究成果 | 第115-117页 |