目錄 前言 第1章 多云計算概述 1 1.1 背景與發(fā)展趨勢 1 1.2 本書內(nèi)容組織 3 1.3 本章小結(jié) 5 參考文獻(xiàn) 5 第2章 基于廣義笛卡兒積的云實例選擇方法 7 2.1 引言 7 2.2 問題定義及假設(shè) 7 2.2.1 數(shù)學(xué)定義 7 2.2.2 數(shù)學(xué)假設(shè) 9 2.2.3 問題定義 9 2.3 算法描述 9 2.3.1 完全Pareto集合的意義10 2.3.2 完全Pareto集合和解空間的關(guān)系10 2.3.3 階段一：完全Pareto集合生成算法13 2.3.4 階段二：最優(yōu)選擇方案篩選算法15 2.4 實驗及其分析17 2.4.1 實驗設(shè)置17 2.4.2 實驗結(jié)果及分析19 2.5 本章小結(jié)23 參考文獻(xiàn)23 第3章 基于改進(jìn)遺傳算法的云實例選擇方法25 3.1 引言25 3.2 問題定義及假設(shè)25 3.2.1 數(shù)學(xué)定義25 3.2.2 數(shù)學(xué)假設(shè)29 3.2.3 問題定義29 3.3 算法描述30 3.3.1 基因表示方式30 3.3.2 適應(yīng)度函數(shù)31 3.3.3 基因操作32 3.3.4 基于改進(jìn)遺傳算法的云實例選擇算法36 3.4 實驗及其分析37 3.4.1 實驗設(shè)置37 3.4.2 實驗結(jié)果及分析38 3.5 本章小結(jié)40 參考文獻(xiàn)40 第4章 基于k近鄰回歸算法的云實例價格預(yù)測與選擇方法42 4.1 引言42 4.2 問題定義42 4.3 算法描述45 4.3.1 距離度量45 4.3.2 k-d樹的構(gòu)建45 4.3.3 k-d樹的搜索46 4.3.4 基于kNN的競價實例價格預(yù)測47 4.4 實驗及其分析48 4.4.1 實驗設(shè)置48 4.4.2 實驗結(jié)果及分析50 4.5 本章小結(jié)53 參考文獻(xiàn)54 第5章 基于用戶需求的數(shù)據(jù)多云優(yōu)化存儲55 5.1 引言55 5.2 問題定義及模型55 5.3 解決方法58 5.4 實驗及其分析62 5.4.1 數(shù)據(jù)集62 5.4.2 存儲模式的變化62 5.4.3 實驗結(jié)果及分析63 5.5 本章小結(jié)65 參考文獻(xiàn)65 第6章 多云環(huán)境下低成本高可用性的數(shù)據(jù)優(yōu)化存儲67 6.1 引言67 6.2 云存儲場景67 6.3 多云存儲的利弊69 6.4 問題定義及模型70 6.4.1 問題描述70 6.4.2 問題定義71 6.5 解決方法72 6.5.1 多目標(biāo)優(yōu)化算法72 6.5.2 最優(yōu)方案確定算法76 6.6 實驗及其分析78 6.6.1 實驗設(shè)置78 6.6.2 算法評估79 6.6.3 實B7販驗結(jié)果及分析83 6.7 本章小結(jié)87 參考文獻(xiàn)87 第7章 多云環(huán)境下動態(tài)的數(shù)據(jù)優(yōu)化存儲89 7.1 引言89 7.2 場景示例及分析89 7.2.1 動態(tài)的數(shù)據(jù)訪問頻率89 7.2.2 異構(gòu)的云市場90 7.2.3 討論91 7.3 問題定義及模型91 7.3.1 示意圖91 7.3.2 問題定義92 7.3.3 優(yōu)化問題94 7.4 解決方法94 7.4.1 數(shù)據(jù)訪問頻率的預(yù)測94 7.4.2 數(shù)據(jù)優(yōu)化存儲95 7.5 實驗及其分析98 7.5.1 實驗設(shè)置99 7.5.2 算法評估99 7.5.3 實驗結(jié)果及分析101 7.6 本章小結(jié)104 參考文獻(xiàn)104 第8章 多云環(huán)境下空間眾包數(shù)據(jù)的優(yōu)化放置106 8.1 引言106 8.2 問題定義107 8.3 模型方法110 8.3.1 數(shù)據(jù)初始化放置策略110 8.3.2 結(jié)合初始放置方案的遺傳算法113 8.3.3 復(fù)雜性分析114 8.4 實驗及其分析115 8.4.1 實驗設(shè)置115 8.4.2 實驗結(jié)果及分析116 8.5 本章小結(jié)119 參考文獻(xiàn)119 第9章 基于免疫機(jī)制的工作流優(yōu)化調(diào)度121 9.1 引言121 9.2 調(diào)度模型和問題定義122 9.2.1 調(diào)度模型122 9.2.2 問題建模123 9.3 基于免疫機(jī)制的粒子群優(yōu)化算法124 9.3.1 粒子群算法概述124 9.3.2 免疫機(jī)制概述125 9.3.3 提出的方法125 9.4 實驗及其分析129 9.4.1 實驗設(shè)置129 9.4.2 實驗結(jié)果及分析130 9.5 本章小結(jié)133 參考文獻(xiàn)133 第10章 基于集聚系數(shù)的工作流切片與優(yōu)化調(diào)度135 10.1 引言135 10.2 示例場景與問題提出136 10.3 用于工作流切片的集聚系數(shù)概述137 10.4 基于集聚系數(shù)的工作流切片與優(yōu)化調(diào)度框架141 10.5 基于集聚系數(shù)的工作流切片142 10.5.1 初步切片142 10.5.2 基于集聚系數(shù)的工作流切片144 10.6 基于切片的工作流調(diào)度147 10.6.1 基于切片和遺傳算法的工作流調(diào)度算法148 10.6.2 基于切片和IMPSO 的工作流調(diào)度算法150 10.7 實驗及其分析151 10.7.1 實驗設(shè)置151 10.7.2 實驗結(jié)果及分析152 10.8 本章小結(jié)156 參考文獻(xiàn)157 彩圖