| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 Web服务器参数优化研究背景及其意义 | 第12-13页 |
| 1.2 Web服务器参数优化研究现况 | 第13-16页 |
| 1.2.1 基于模型的参数优化方法 | 第14-15页 |
| 1.2.2 基于搜索策略的参数优化方法 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第二章 实验平台简介与搭建 | 第19-37页 |
| 2.1 性能测试软件Jmeter | 第19-25页 |
| 2.1.1 Jmeter简介 | 第19-22页 |
| 2.1.2 Jmeter的使用 | 第22-25页 |
| 2.2 Web服务器软件Tomcat | 第25-28页 |
| 2.2.1 Tomcat简介 | 第25页 |
| 2.2.2 Tomcat工作原理 | 第25-27页 |
| 2.2.3 Tomcat可调配置参数 | 第27-28页 |
| 2.3 数据库服务器软件MySQL | 第28-32页 |
| 2.3.1 MySQL简介 | 第28页 |
| 2.3.2 MySQL体系结构 | 第28-30页 |
| 2.3.3 MySQL可调配置参数 | 第30-32页 |
| 2.4 Java虚拟机 | 第32-35页 |
| 2.4.1 JVM简介 | 第32-33页 |
| 2.4.2 JVM可调配置参数 | 第33-35页 |
| 2.5 实验平台的搭建 | 第35-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 粒子群优化算法 | 第37-48页 |
| 3.1 常用启发式搜索算法 | 第37-40页 |
| 3.1.1 遗传算法 | 第37-38页 |
| 3.1.2 蚁群算法 | 第38-39页 |
| 3.1.3 模拟退火算法 | 第39-40页 |
| 3.2 标准粒子群优化算法 | 第40-44页 |
| 3.2.1 PSO算法概述 | 第40-42页 |
| 3.2.2 PSO算法基本原理 | 第42页 |
| 3.2.3 PSO算法的优势以及不足 | 第42-44页 |
| 3.3 二进制粒子群优化算法 | 第44-47页 |
| 3.3.1 BPSO算法概述 | 第44-45页 |
| 3.3.2 BPSO算法基本原理 | 第45-46页 |
| 3.3.3 BPSO算法的主要流程 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于BPSO算法的Web服务器参数优化方法 | 第48-63页 |
| 4.1 Web服务器参数优化问题描述 | 第48-49页 |
| 4.2 参数编码 | 第49页 |
| 4.3 种群初始化 | 第49-51页 |
| 4.4 计算适应度函数值 | 第51-52页 |
| 4.5 基于BPSO的Web服务器参数优化算法的主要步骤 | 第52-53页 |
| 4.6 实验结果与算法性能分析 | 第53-61页 |
| 4.6.1 BPSO算法相关参数设置与分析 | 第54-55页 |
| 4.6.2 实验环境及测试细节 | 第55-57页 |
| 4.6.3 实验结果与算法性能分析 | 第57-61页 |
| 4.7 本章小结 | 第61-63页 |
| 第五章 混合BPSO算法求解Web服务器参数优化问题 | 第63-74页 |
| 5.1 带控制因子的非线性递减惯性权重 | 第63-64页 |
| 5.2 加入经验因子的BPSO算法 | 第64-65页 |
| 5.3 爬山算法 | 第65-66页 |
| 5.4 基于混合二进制粒子群的Web服务器参数优化算法 | 第66-68页 |
| 5.5 实验结果与算法性能分析 | 第68-73页 |
| 5.5.1 混合BPSO算法相关参数设置与分析 | 第68-69页 |
| 5.5.2 实验结果与算法性能分析 | 第69-73页 |
| 5.6 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 工作总结 | 第74-75页 |
| 研究展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 附件 | 第83页 |
