| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文组织方式 | 第14-15页 |
| 第2章 研究基础 | 第15-25页 |
| 2.1 虚拟化技术 | 第15-16页 |
| 2.2 虚拟机内存优化方法 | 第16-19页 |
| 2.2.1 基于计算经济的内存资源优化 | 第17页 |
| 2.2.2 基于应用反馈的内存资源优化 | 第17-18页 |
| 2.2.3 基于建模评估的内存资源优化 | 第18-19页 |
| 2.3 多目标优化问题 | 第19-21页 |
| 2.4 RBF神经网络与遗传算法概述 | 第21-24页 |
| 2.4.1 RBF神经网络理论 | 第21-22页 |
| 2.4.2 遗传算法理论 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 面向多目标的多虚拟机内存优化机制 | 第25-35页 |
| 3.1 面向多目标的多虚拟机内存优化问题的提出 | 第25-28页 |
| 3.2 面向多目标的多虚拟机内存优化过程 | 第28-31页 |
| 3.3 关键问题 | 第31-34页 |
| 3.3.1 动态的虚拟机内存需求预测 | 第31-32页 |
| 3.3.2 多目标的虚拟机内存优化方法 | 第32-33页 |
| 3.3.3 多虚拟机内存优化性能综合评估 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于RBF-MARKOV的虚拟机内存需求预测算法 | 第35-57页 |
| 4.1 虚拟机内存需求预测的研究思路 | 第35-36页 |
| 4.2 性能指标数据的预处理 | 第36-38页 |
| 4.3 基于RBF神经网络的虚拟机内存需求预测 | 第38-44页 |
| 4.3.1 用于内存需求预测的神经网络训练过程 | 第39-42页 |
| 4.3.2 基于RBF神经网络的虚拟机内存需求预测过程 | 第42-44页 |
| 4.4 基于马尔可夫模型的内存需求预测值修正 | 第44-48页 |
| 4.4.1 虚拟机内存状态区域划分 | 第44-45页 |
| 4.4.2 虚拟机内存状态转移矩阵 | 第45-47页 |
| 4.4.3 虚拟机内存需求量的修正过程 | 第47-48页 |
| 4.5 虚拟机内存需求预测值的误差检验 | 第48-50页 |
| 4.6 实验结果分析 | 第50-56页 |
| 4.6.1 实验环境 | 第50-51页 |
| 4.6.2 实验数据获取 | 第51-52页 |
| 4.6.3 实验结果分析 | 第52-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第5章 基于遗传算法的多目标内存优化方法 | 第57-77页 |
| 5.1 面向多目标的多虚拟机内存优化方法研究思路 | 第57-59页 |
| 5.2 面向多目标的多虚拟机内存优化模型建立 | 第59-63页 |
| 5.3 多目标优化模型的遗传算法求解 | 第63-70页 |
| 5.3.1 优化模型求解中遗传算法关键要素的确定 | 第64-68页 |
| 5.3.2 基于遗传算法的多目标优化模型求解过程 | 第68-70页 |
| 5.4 基于雷达图的多虚拟机性能综合评估 | 第70-73页 |
| 5.5 实验结果分析 | 第73-76页 |
| 5.6 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士期间论文发表情况 | 第85页 |