| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 工业界云计算定价机制 | 第12-13页 |
| 1.2.2 学术界云计算定价研究 | 第13-15页 |
| 1.3 本文研究内容和方法 | 第15-16页 |
| 1.4 本文主要贡献 | 第16-17页 |
| 1.5 本文组织结构 | 第17-19页 |
| 第2章 竞争云计算市场设定 | 第19-26页 |
| 2.1 云用户设定 | 第19-22页 |
| 2.2 云平台设定 | 第22-23页 |
| 2.2.1 成本设定 | 第22-23页 |
| 2.2.2 收益计算 | 第23页 |
| 2.3 多云平台博弈 | 第23-25页 |
| 2.3.1 单智能体决策过程 | 第23-24页 |
| 2.3.2 马尔可夫博弈 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于 Nash Q-learning 算法的竞争云平台定价策略分析 | 第26-41页 |
| 3.1 Q-learning 算法 | 第26-27页 |
| 3.2 Nash Q-learning 算法 | 第27-33页 |
| 3.2.1 均衡策略 | 第27-28页 |
| 3.2.2 NashQ值定义 | 第28-29页 |
| 3.2.3 Nash Q-learning 算法过程 | 第29-32页 |
| 3.2.4 纳什均衡选择 | 第32-33页 |
| 3.3 实验参数设定 | 第33-34页 |
| 3.4 策略训练 | 第34-35页 |
| 3.5 策略分析 | 第35-40页 |
| 3.5.1 均衡定价策略对比分析 | 第35-37页 |
| 3.5.2 与其它定价策略对比分析 | 第37-39页 |
| 3.5.3 实验结论 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于 Minimax-Q 算法的竞争云平台定价策略分析 | 第41-58页 |
| 4.1 零和博弈 | 第41-42页 |
| 4.2 Minimax-Q 算法 | 第42-45页 |
| 4.3 联合 Q-learning 算法 | 第45-46页 |
| 4.4 策略训练 | 第46-47页 |
| 4.5 策略分析 | 第47-57页 |
| 4.5.1 总体分析 | 第47-51页 |
| 4.5.2 收益分析 | 第51-54页 |
| 4.5.3 价格分析 | 第54-56页 |
| 4.5.4 实验结论 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-61页 |
| 5.1 本文总结 | 第58-60页 |
| 5.2 研究展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第66页 |
