| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外现状分析 | 第13-15页 |
| 1.3 本文研究目标和组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 虚拟机部署相关理论与技术 | 第17-26页 |
| 2.1 云计算技术的发展历程和分类 | 第17-19页 |
| 2.2 开源IaaS云计算平台 | 第19-23页 |
| 2.2.1 常用的开源云平台 | 第19-21页 |
| 2.2.2 CloudStack介绍 | 第21-22页 |
| 2.2.3 常用云平台上的虚拟机部署算法 | 第22-23页 |
| 2.3 粒子群算法相关原理和技术 | 第23-25页 |
| 2.3.1 基本粒子群算法 | 第23-24页 |
| 2.3.2 粒子群算法的种群拓扑结构 | 第24页 |
| 2.3.3 外部存档规模控制策略 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 面向用户的多目标优化虚拟机部署策略 | 第26-40页 |
| 3.1 面向用户的虚拟机部署问题分析 | 第26-27页 |
| 3.2 基于用户需求的虚拟机部署策略的总体设计 | 第27-29页 |
| 3.3 基于指数平滑法的预部署算法 | 第29-33页 |
| 3.3.1 设计思想 | 第29-30页 |
| 3.3.2 模型参数 | 第30-31页 |
| 3.3.3 预部署算法流程设计 | 第31-33页 |
| 3.4 基于改进多目标粒子群算法的虚拟机部署算法 | 第33-39页 |
| 3.4.1 粒子的编码规则 | 第33页 |
| 3.4.2 粒子群的初始化过程 | 第33页 |
| 3.4.3 Pareto支配和ε-Pareto支配定义 | 第33-34页 |
| 3.4.4 虚拟机部署算法的目标函数设计 | 第34-35页 |
| 3.4.5 种群突变操作 | 第35-36页 |
| 3.4.6 拥挤度判定 | 第36页 |
| 3.4.7 算法的流程设计 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 面向平台的虚拟机动态管理策略 | 第40-50页 |
| 4.1 基于物理机负载的动态管理方法设计 | 第40-41页 |
| 4.1.1 问题描述 | 第40页 |
| 4.1.2 动态管理策略的总体设计 | 第40-41页 |
| 4.2 物理主机的负载预测及异常标记算法设计 | 第41-43页 |
| 4.2.1 负载预测算法设计 | 第42页 |
| 4.2.2 异常状态标记算法设计 | 第42-43页 |
| 4.3 基于共享程度判定的多目标粒子群算法 | 第43-46页 |
| 4.3.1 算法的改进设计思路 | 第43-44页 |
| 4.3.2 粒子的约束条件 | 第44页 |
| 4.3.3 小生境共享技术 | 第44-45页 |
| 4.3.4 总体算法流程 | 第45-46页 |
| 4.4 虚拟机部署策略在CloudStack上的实现方法分析 | 第46-49页 |
| 4.4.1 CloudStack上的虚拟机部署算法 | 第47-48页 |
| 4.4.2 在CloudStack上实现虚拟机部署策略的方法分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 仿真试验与结果分析 | 第50-62页 |
| 5.1 CloudSim简介 | 第50-52页 |
| 5.2 测试方案设计 | 第52-57页 |
| 5.2.1 参数设计 | 第52-54页 |
| 5.2.2 试验设计思路和步骤 | 第54-57页 |
| 5.3 试验结果分析 | 第57-61页 |
| 5.3.1 面向用户的虚拟机部署策略的结果分析 | 第57-59页 |
| 5.3.2 面向平台的虚拟机动态管理策略的结果分析 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士期间发表的论文及科研成果 | 第69页 |
