不确定环境下云工作流资源分配策略的评估与优化研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 插图 | 第10-11页 |
| 表格 | 第11-12页 |
| 算法 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 研究挑战与创新点 | 第15-17页 |
| 1.3 文章组织形式 | 第17-19页 |
| 第二章 相关工作 | 第19-25页 |
| 2.1 云环境中的资源分配和调度 | 第19-20页 |
| 2.2 云环境中的SLA保障机制 | 第20页 |
| 2.3 机器学习在云资源分配中的应用 | 第20-21页 |
| 2.4 统计模型检验在不确定环境中的评估工作 | 第21页 |
| 2.5 相关仿真工具比较 | 第21-22页 |
| 2.6 本章小结 | 第22-25页 |
| 第三章 理论背景 | 第25-33页 |
| 3.1 统计模型检验与UPPAAL-SMC | 第25-26页 |
| 3.2 UPPAAL-SMC的理论模型 | 第26-31页 |
| 3.2.1 PTA定义 | 第26-28页 |
| 3.2.2 基于UPPAAL-SMC的偏差建模 | 第28-30页 |
| 3.2.3 属性构建 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第四章 基于SMC的评估与寻优方法 | 第33-53页 |
| 4.1 问题定义 | 第33-36页 |
| 4.2 框架介绍 | 第36-37页 |
| 4.3 NPTA模型生成 | 第37-41页 |
| 4.4 性质生成 | 第41页 |
| 4.5 资源分布策略的评估 | 第41-42页 |
| 4.6 面向服务等级协议的议价 | 第42-43页 |
| 4.7 资源分配实例的寻优 | 第43-52页 |
| 4.7.1 RAI的特征选取 | 第46页 |
| 4.7.2 资源分配实例采样 | 第46-48页 |
| 4.7.3 QoS预测的回归方法选择 | 第48-50页 |
| 4.7.4 自动化训练过程 | 第50-52页 |
| 4.8 本章小结 | 第52-53页 |
| 第五章 实例研究 | 第53-65页 |
| 5.1 工作流描述 | 第53-55页 |
| 5.2 策略评估 | 第55-59页 |
| 5.3 SLA的议价 | 第59-60页 |
| 5.4 资源分配的寻优 | 第60-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第六章 总结和未来工作展望 | 第65-69页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士学位期间发表论文,参与科研和获得荣誉情况 | 第77页 |
