| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-18页 |
| 第一章 绪论 | 第18-24页 |
| 1.1 研究背景与意义 | 第18-20页 |
| 1.2 国内外研究现状 | 第20-21页 |
| 1.3 论文的主要内容和结构安排 | 第21-24页 |
| 第二章 相关技术介绍 | 第24-36页 |
| 2.1 引言 | 第24页 |
| 2.2 JT CoMP下行物理层处理流程 | 第24-26页 |
| 2.2.1 基本物理层处理流程 | 第24-25页 |
| 2.2.2 JT CoMP物理层处理流程 | 第25-26页 |
| 2.3 虚拟化技术 | 第26-28页 |
| 2.3.1 虚拟化的定义 | 第26-27页 |
| 2.3.2 虚拟化的类型 | 第27-28页 |
| 2.4 最优化理论 | 第28-32页 |
| 2.4.1 最优化问题描述 | 第28-30页 |
| 2.4.2 最优化的解决方法 | 第30-32页 |
| 2.5 虚拟机资源调度 | 第32-34页 |
| 2.5.1 虚拟机资源调度模型 | 第32页 |
| 2.5.2 虚拟机资源调度目标 | 第32-33页 |
| 2.5.3 虚拟机资源调度算法 | 第33-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第三章 面向JT CoMP的C-RAN虚拟机调度策略 | 第36-56页 |
| 3.1 引言 | 第36页 |
| 3.2 系统模型 | 第36-39页 |
| 3.2.1 模块分类模型 | 第36-37页 |
| 3.2.2 虚拟机调度模型 | 第37-39页 |
| 3.3 问题描述 | 第39-43页 |
| 3.3.1 时间约束 | 第39-42页 |
| 3.3.2 资源约束 | 第42-43页 |
| 3.3.3 最优化问题 | 第43页 |
| 3.4 虚拟机调度算法 | 第43-49页 |
| 3.4.1 遗传算法（GA） | 第43-47页 |
| 3.4.2 遗传模拟退火算法（Genetic Simulated Annealing Algorithm，GSAA） | 第47-48页 |
| 3.4.3 装箱算法（Packing Algorithm，PA） | 第48-49页 |
| 3.5 仿真性能分析 | 第49-52页 |
| 3.5.1 参数设置 | 第49页 |
| 3.5.2 结果分析 | 第49-52页 |
| 3.6 本章小结 | 第52-56页 |
| 第四章 单个云服务提供商的虚拟机预留策略 | 第56-64页 |
| 4.1 引言 | 第56页 |
| 4.2 系统模型 | 第56-57页 |
| 4.3 问题描述 | 第57-59页 |
| 4.3.1 虚拟机收费方式 | 第57-58页 |
| 4.3.2 虚拟机使用成本 | 第58-59页 |
| 4.4 仿真性能分析 | 第59-60页 |
| 4.4.1 参数设置 | 第59页 |
| 4.4.2 结果分析 | 第59-60页 |
| 4.5 本章小结 | 第60-64页 |
| 第五章 多个云服务提供商的虚拟机预留策略 | 第64-84页 |
| 5.1 引言 | 第64页 |
| 5.2 系统模型 | 第64-65页 |
| 5.3 问题描述 | 第65-72页 |
| 5.3.1 变量描述 | 第65-66页 |
| 5.3.2 预测算法描述 | 第66-69页 |
| 5.3.3 任务属性描述 | 第69-70页 |
| 5.3.4 虚拟机总需求描述 | 第70-71页 |
| 5.3.5 最优化问题 | 第71-72页 |
| 5.4 仿真性能分析 | 第72-78页 |
| 5.4.1 参数设置 | 第72-73页 |
| 5.4.2 结果分析 | 第73-78页 |
| 5.5 本章小结 | 第78-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 工作总结 | 第84-85页 |
| 6.2 未来的研究方向 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-92页 |
| 作者简介 | 第92-93页 |
