云計算是虛擬化(Virtualization)、效用計算(Utility Computing)、基礎(chǔ)設(shè)施作為服務(wù)IaaS (Infrastrcture as a Service)、平臺作為服務(wù)PaaS (Platform as a Service)和軟件作為服務(wù)SaaS (Software as a Service)等概念混合演進并躍升的結(jié)果。 SaaS認為軟件的實質(zhì)是服務(wù),用戶對軟件的需求實際上是對應(yīng)用服務(wù)的需求,而用戶使用軟件實際上是在消費應(yīng)用服務(wù)。與傳統(tǒng)軟件相比,SaaS|報務(wù)依托于軟件和互聯(lián)網(wǎng),不論從技術(shù)角度還是商務(wù)角度都有著不同的特性：互聯(lián)網(wǎng)特性、服務(wù)特性、企業(yè)按需使用特性、企業(yè)快速部署特性等。 目前,和聲搜索算法和蟻群算法在SaaS中研究與應(yīng)用已取得了一些有價值的研究成果,但多是以集中式串行的模式,將和聲搜索算法和蟻群算法并行化研究較少。SaaS平臺中應(yīng)用服務(wù)的數(shù)量及類型、服務(wù)的租戶數(shù)目及信息數(shù)據(jù)量呈幾何曲線性增長,同時每個服務(wù)的功能單一又動態(tài)地變化,不能滿足用戶日益復(fù)雜的需求,這就對SaaS平臺中服務(wù)的智能化要求越來越高。 為此,本文對云計算環(huán)境下智能優(yōu)化算法及其在Saa...

【文章頁數(shù)】：90 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
致謝
第一章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀和問題分析
        1.2.1 云計算
        1.2.2 SaaS
        1.2.3 服務(wù)部署問題
        1.2.4 服務(wù)選擇問題
        1.2.5 和聲搜索算法
        1.2.6 蟻群算法
    1.3 主要研究內(nèi)容與創(chuàng)新之處
        1.3.1 主要研究內(nèi)容
        1.3.2 論文創(chuàng)新之處
    1.4 論文的結(jié)構(gòu)安排
第二章 基于MapReduce的云和聲搜索算法研究
    2.1 引言
    2.2 和聲搜索算法
    2.3 和聲搜索算法的改進
        2.3.1 改進和聲搜索算法(IHS)
        2.3.2 多目標改進和聲搜索算法(MOIHS)
        2.3.3 MOIHS的實現(xiàn)
    2.4 基于MapReduce的云和聲搜索算法
        2.4.1 知識即服務(wù)組合優(yōu)化建模
        2.4.2 云和聲搜索算法及其改進
        2.4.3 ICHS的Map函數(shù)設(shè)計
        2.4.4 ICHS的Reduce函數(shù)設(shè)計
    2.5 仿真實驗及結(jié)果分析
    2.6 本章小結(jié)
第三章 基于云和聲搜索算法的綜合SaaS部署問題研究
    3.1 引言
    3.2 SaaS部署問題建模
        3.2.1 問題的提出
        3.2.2 SPP問題建模
    3.3 求解SPP問題的云和聲搜索算法
        3.3.1 云和聲搜索算法
        3.3.2 算法中的key、value鍵值對的設(shè)置
        3.3.3 求解SPP問題的云和聲搜索算法流程
    3.4 仿真實驗及結(jié)果分析
    3.5 本章小結(jié)
第四章 基于MapReduce的蟻群算法研究
    4.1 引言
    4.2 蟻群算法
    4.3 基于MapReduce的蟻群算法
        4.3.1 算法中的key、value鍵值對
        4.3.2 MRACO的Map函數(shù)
        4.3.3 MRACO的Reduce函數(shù)
        4.3.4 MRACO算法中引入任務(wù)管道
        4.3.5 蟻群算法的改進
        4.3.6 IMRACO+SE算法及框架
    4.4 仿真實驗
        4.4.1 實驗環(huán)境及參數(shù)
        4.4.2 算法的有效性和收斂性
    4.5 本章小結(jié)
第五章 基于MapReduce和多目標蟻群算法的SaaS服務(wù)動態(tài)選擇問題研究
    5.1 引言
    5.2 基于QoS全局最優(yōu)的服務(wù)動態(tài)選擇問題
    5.3 基于MapReduce和多目標蟻群算法的服務(wù)動態(tài)選擇算法
        5.3.1 多目標蟻群算法
        5.3.2 數(shù)據(jù)預(yù)處理
        5.3.3 DSSMA算法設(shè)計及框架
        5.3.4 Map函數(shù)
        5.3.5 Reduce函數(shù)
        5.3.6 算法的改進
    5.4 仿真實驗
        5.4.1 實驗設(shè)計
        5.4.2 實驗環(huán)境及參數(shù)
        5.4.3 算法可行性
        5.4.4 算法有效性
        5.4.5 算法收斂性
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 進一步研究工作的展望
參考文獻
攻讀博士學位期間參加的科研工作和發(fā)表論文情況



本文編號：3785283