声明
摘要
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 本文组织结构
第2章 研究基础
2.1 服务响应时间预测方法概述
2.1.1 基于时间序列的服务响应时间预测
2.1.2 基于协同过滤的服务响应时间预测
2.1.3 基于排队论的服务响应时间预测
2.2 相似度理论
2.3 灰色马尔可夫理论
2.4 GA-BP神经网络理论
2.5 本章小结
第3章 基于BP神经网络的云服务响应时间预测方法
3.1 云服务的部署及服务组件特征分析
3.2 云服务响应时间预测问题的提出
3.3 基于BP神经网络的云服务响应时间预测过程
3.4 本章小结
第4章 组件总并发请求数预测算法
4.1 组件总并发请求数预测研究思路
4.2 基于GM(1,1)的并发请求数预测
4.3 基于马尔可夫模型的并发请求数预测值修正
4.3.1 基于标准正态分布等概率原则的并发请求数残差序列状态划分
4.3.2 并发请求数残差状态转移矩阵的构建
4.3.3 并发请求数预测值修正
4.3.4 基于灰色马尔可夫模型的组件总并发请求数预测算法描述
4.4 虚拟机上组件并发请求数计算方法
4.5 本章小结
第5章 虚拟机上组件响应时间预测算法
5.1 虚拟机上组件响应时间预测研究思路
5.2 虚拟机配置相似度计算模型
5.2.1 虚拟机相似度计算中属性值选取
5.2.2 虚拟机相似度计算
5.3 基于GA-BP神经网络的虚拟机上组件响应时间的预测
5.3.1 用于虚拟机上组件响应时间预测的BP神经网络的构建
5.3.2 基于BP网络的虚拟机上组件响应时间预测过程
5.3.3 优化BP网络权值的遗传算法参数设置
5.3.4 基于GA-BP神经网络的虚拟机上组件响应时间预测算法描述
5.4 云服务响应时间计算
5.5 本章小结
第6章 实验结果及分析
6.1 实验环境
6.2 组件总并发请求数预测实验及分析
6.3 虚拟机上各组件晌应时间预测结果及分析
6.4 本文服务响应时间预测与时间序列预测结果比较
6.5 本章小结
第7章 总结与展望
参考文献
致谢