| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·虚拟化数据中心离线资源分配 | 第10-13页 |
| ·资源静态分配 | 第10页 |
| ·离线资源分配 | 第10-13页 |
| ·遗传算法离线分配 | 第13-15页 |
| ·自适应离线分配遗传算法 | 第14-15页 |
| ·离线分配的种群初始化 | 第15页 |
| ·论文创新点和结构 | 第15-17页 |
| 第二章 离线分配的适应度方差概率调整方法 | 第17-37页 |
| ·离线资源分配的混合整数线性规划模型(MILP) | 第17-18页 |
| ·MILP 模型的遗传算法(GA)求解方法 | 第18-20页 |
| ·GA 的操作算子 | 第18-19页 |
| ·GA 求解 MILP 模型的染色体适应度和目标函数 | 第19-20页 |
| ·交叉概率和变异概率调节 | 第20-23页 |
| ·根据个体适应度调整交叉和变异概率的 IAGA 算法 | 第20-22页 |
| ·交叉概率和变异概率分段线性调整的 NAGA 算法 | 第22-23页 |
| ·新的概率区间适应度方差调整方法 | 第23-29页 |
| ·原理 | 第23-25页 |
| ·适应度方差阈值的确定 | 第25-26页 |
| ·交叉概率和变异概率区间的动态调整规则 | 第26-29页 |
| ·实验结果 | 第29-36页 |
| ·实验设计和参数设置 | 第29-31页 |
| ·SGA 与 IAGA 的性能对比 | 第31-33页 |
| ·IAGA、NAGA 和改进算法的性能比较 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 离线资源分配的初始种群设计 | 第37-47页 |
| ·遗传算法初始种群与算法性能的关系 | 第37-38页 |
| ·离散分配初始种群的随机生成和均匀设计 | 第38-41页 |
| ·均匀试验设计法 | 第38-40页 |
| ·均匀设计抽样 | 第40页 |
| ·均匀设计构造初始种群的缺点 | 第40-41页 |
| ·基于佳点集的初始种群均匀设计 | 第41-43页 |
| ·佳点集的性质与构造方法 | 第41-42页 |
| ·利用佳点集构造初始种群 | 第42页 |
| ·结合随机性和佳点集的构造初始种群方法 | 第42-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·利用改进点集和随机生成法、佳点集构造初始种群的算法性能对比 | 第43-45页 |
| ·算法平均收敛值的对比 | 第43-44页 |
| ·算法运行时间的对比 | 第44-45页 |
| ·改进的自适应遗传算法结合改进点集初始化方法与其他算法的性能对比 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第四章 总结 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 附录 | 第50-54页 |
| 致谢 | 第54-55页 |
| 附件 | 第55页 |
