| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 第2章 研究基础 | 第16-20页 |
| 2.1 人工蜂群算法 | 第16页 |
| 2.2 灰色关联度分析方法 | 第16-17页 |
| 2.3 SLA约束 | 第17-18页 |
| 2.4 本章小结 | 第18-20页 |
| 第3章 面向云服务SLA性能约束的资源动态自适应调整过程 | 第20-30页 |
| 3.1 面向SLA约束的云服务自适应性能优化过程 | 第20-21页 |
| 3.2 面向云服务SLA性能约束的资源动态自适应调整过程 | 第21-24页 |
| 3.3 关键问题 | 第24-28页 |
| 3.3.1 计算满足SLA约束的组件目标响应时间 | 第25页 |
| 3.3.2 选择关键组件 | 第25-26页 |
| 3.3.3 选择待调整资源类型 | 第26-27页 |
| 3.3.4 计算虚拟机资源调整量 | 第27-28页 |
| 3.4 本章小结 | 第28-30页 |
| 第4章 面向SLA约束的组件目标响应时间计算方法 | 第30-38页 |
| 4.1 面向SLA约束的组件目标响应时间计算方法基本定义 | 第30-31页 |
| 4.2 组件响应时间和SLA约束关系模型的建立 | 第31-36页 |
| 4.2.1 基于朴素贝叶斯的组件响应时间和SLA约束关系模型构造方法 | 第32-34页 |
| 4.2.2 基于贝叶斯分类器的组件响应时间置信区间训练方法 | 第34-36页 |
| 4.3 基于聚类划分的组件目标响应时间计算方法 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 基于人工蜂群算法的关键组件选择方法 | 第38-52页 |
| 5.1 关键组件选择问题的提出 | 第38-39页 |
| 5.2 影响关键组件选择的目标因素分析 | 第39-41页 |
| 5.3 关键组件选择模型 | 第41-44页 |
| 5.4 基于人工蜂群的关键组件选择算法 | 第44-50页 |
| 5.4.1 适应度的定义和搜索策略 | 第44-48页 |
| 5.4.2 关键组件选择的人工蜂群算法基本描述 | 第48-50页 |
| 5.5 本章小结 | 第50-52页 |
| 第6章 虚拟机资源调整生成方案 | 第52-64页 |
| 6.1 基于灰色关联度分析方法的待调整资源类型选择方法 | 第52-55页 |
| 6.2 虚拟机资源调整量计算方法 | 第55-63页 |
| 6.2.1 组件响应时间和资源使用量关系模型的建立 | 第56-57页 |
| 6.2.2 基于满足SLA约束的虚拟机资源调整量计算方法 | 第57-60页 |
| 6.2.3 基于区间划分的资源调整方案生成方法 | 第60-62页 |
| 6.2.4 代价收益函数 | 第62-63页 |
| 6.3 本章小结 | 第63-64页 |
| 第7章 实验及结果分析 | 第64-74页 |
| 7.1 实验环境 | 第64-65页 |
| 7.2 基本实验 | 第65-72页 |
| 7.2.1 计算满足SLA约束的组件目标响应时间实验 | 第66-68页 |
| 7.2.2 选择关键组件实验 | 第68-69页 |
| 7.2.3 资源调整生成方案实验 | 第69-72页 |
| 7.3 对比实验 | 第72-73页 |
| 7.4 本章小结 | 第73-74页 |
| 第8章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士期间论文发表情况 | 第82页 |
