電子商務(wù)系統(tǒng)性能智能優(yōu)化與評價

第1章 導(dǎo)言
1.1 網(wǎng)絡(luò)消費發(fā)展迅猛
1.2 電子商務(wù)系統(tǒng)性能問題突出
1.3 Web系統(tǒng)性能優(yōu)化傳統(tǒng)方法及其局限
1.3.1 容量規(guī)劃
1.3.2 放棄隊列
1.3.3 服務(wù)器集群負載均衡技術(shù)
1.4 Web系統(tǒng)性能智能優(yōu)化勢在必行
1.5 本書的內(nèi)容和結(jié)構(gòu)
1.6 本章小結(jié)
本章參考文獻
第2章 電子商務(wù)系統(tǒng)資源與性能
2.1 電子商務(wù)系統(tǒng)資源
2.1.1 商務(wù)網(wǎng)站與動態(tài)網(wǎng)頁
2.1.2 B/S體系結(jié)構(gòu)與服務(wù)器
2.2 用戶請求及訪問分析
2.2.1 請求、會話與隊列
2.2.2 基于服務(wù)器日志的用戶訪問分析
2.3 Web系統(tǒng)監(jiān)測
2.3.1 系統(tǒng)監(jiān)測的步驟與內(nèi)容
2.3.2 系統(tǒng)性能監(jiān)測
2.4 Web系統(tǒng)的負載與過載
2.4.1 負載與負載的測度指標(biāo)
2.4.2 過載的類型
2.4.3 過載判斷的標(biāo)準(zhǔn)
2.4.4 瞬時過載的突發(fā)性及其危害
2.5 本章小結(jié)
本章參考文獻
第3章 相關(guān)領(lǐng)域研究綜述
3.1 Web服務(wù)質(zhì)量控制研究
3.2 電子商務(wù)系統(tǒng)性能優(yōu)化研究
3.3 服務(wù)器過載控制研究
3.3.1 準(zhǔn)入控制研究綜述
3.3.2 請求調(diào)度研究綜述
3.3.3 任務(wù)分配研究綜述
3.3.4 內(nèi)容自適應(yīng)研究綜述
3.4 本章小結(jié)
本章參考文獻
第4章 電子商務(wù)系統(tǒng)智能優(yōu)化機制與體系框架
4.1 優(yōu)化機制與體系框架
4.2 核心組件的智能優(yōu)化機制
4.2.1 準(zhǔn)入控制
4.2.2 請求調(diào)度
4.2.3 任務(wù)分配與調(diào)度
4.2.4 降級服務(wù)
4.2.5 超時請求處理
4.2.6 基于短期負載預(yù)測的過載判斷
4.3 本章小結(jié)
本章參考文獻
第5章 電子商務(wù)大系統(tǒng)資源與性能自適應(yīng)協(xié)調(diào)控制
5.1 電子商務(wù)系統(tǒng)的大系統(tǒng)特征
5.2 電子商務(wù)系統(tǒng)自適應(yīng)協(xié)調(diào)控制意義和控制機制
5.2.1 協(xié)調(diào)控制意義
5.2.2 協(xié)調(diào)控制機制
5.3 資源與性能模型
5.3.1 資源子系統(tǒng)變量分析
5.3.2 性能子系統(tǒng)變量分析
5.3.3 資源和性能大系統(tǒng)的整體模型結(jié)構(gòu)的確定
5.4 基于系統(tǒng)辨識的資源與性能自適應(yīng)協(xié)調(diào)控制
5.5 本章小結(jié)
本章參考文獻
第6章 基于請求分類的多目標(biāo)動態(tài)優(yōu)先請求調(diào)度
6.1 電子商務(wù)系統(tǒng)請求調(diào)度的目標(biāo)
6.2 電子商務(wù)系統(tǒng)請求調(diào)度的相關(guān)研究
6.3 收益驅(qū)動的請求分類
6.3.1 Web請求分類機制
6.3.2 各種請求分類方法的比較
6.3.3 收益驅(qū)動的多維請求分類標(biāo)準(zhǔn)
6.4 多目標(biāo)動態(tài)優(yōu)先調(diào)度機制與算法
6.4.1 電子商務(wù)系統(tǒng)最優(yōu)調(diào)度原則
6.4.2 基于請求分類的請求優(yōu)先級
6.4.3 基于請求優(yōu)先級的調(diào)度優(yōu)先級
6.4.4 基于事前過載判斷的動態(tài)優(yōu)先調(diào)度機制
6.4.5 多目標(biāo)動態(tài)優(yōu)先調(diào)度的流程和特點
6.5 仿真實驗
6.5.1 實驗說明
6.5.2 實驗結(jié)果分析
6.5.3 實驗結(jié)論
6.6 本章小結(jié)
本章參考文獻
第7章 基于免疫遺傳算法的自適應(yīng)任務(wù)分配與調(diào)度
7.1 電子商務(wù)系統(tǒng)任務(wù)分配與調(diào)度問題相關(guān)研究
7.2 任務(wù)分配與調(diào)度問題描述
7.2.1 問題的數(shù)學(xué)模型
7.2.2 任務(wù)分配與調(diào)度目標(biāo)
7.2.3 任務(wù)分配與調(diào)度約束條件
7.3 免疫遺傳算法的原理
7.4 免疫遺傳算法設(shè)計
7.4.1 編碼策略和種群初始化
7.4.2 適應(yīng)度函數(shù)
7.4.3 疫苗提取
7.4.4 遺傳算子設(shè)計
7.4.5 免疫算子設(shè)計
7.5 結(jié)構(gòu)自適應(yīng)免疫遺傳算法流程
7.6 本章小結(jié)
本章參考文獻
第8章 Web網(wǎng)絡(luò)流量預(yù)測
8.1 Web系統(tǒng)負載與網(wǎng)絡(luò)流量研究綜述
8.1.1 Web系統(tǒng)負載的特性
8.1.2 網(wǎng)絡(luò)流量預(yù)測研究綜述
8.2 基于遺傳神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測
8.2.1 遺傳神經(jīng)網(wǎng)絡(luò)的基本原理
8.2.2 基于遺傳神經(jīng)網(wǎng)絡(luò)的Web網(wǎng)絡(luò)流量預(yù)測模型
8.2.3 仿真實驗及分析
8.3 基于改進的神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型的網(wǎng)絡(luò)流量預(yù)測
8.3.1 組合預(yù)測概述
8.3.2 基于網(wǎng)絡(luò)流量特性的單一最優(yōu)預(yù)測模型選取
8.3.3 傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型構(gòu)建
8.3.4 傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測仿真實驗
8.3.5 改進的BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測算法
8.3.6 改進的網(wǎng)絡(luò)流量組合預(yù)測模型的仿真實驗
8.4 本章小結(jié)
本章參考文獻
第9章 電子商務(wù)系統(tǒng)服務(wù)質(zhì)量模糊綜合評價與質(zhì)量診斷
9.1 電子商務(wù)系統(tǒng)服務(wù)質(zhì)量評價與質(zhì)量診斷的目的
9.2 評價指標(biāo)體系建立
9.2.1 評價指標(biāo)體系研究綜述
9.2.2 電子商務(wù)系統(tǒng)服務(wù)質(zhì)量評價原則
9.2.3 電子商務(wù)系統(tǒng)服務(wù)質(zhì)量評價指標(biāo)構(gòu)成
9.2.4 基于R型系統(tǒng)聚類的指標(biāo)優(yōu)化
9.2.5 確定指標(biāo)權(quán)重
9.3 電子商務(wù)系統(tǒng)服務(wù)質(zhì)量多級模糊綜合評價模型
9.3.1 確定因素集、評語集和權(quán)數(shù)集
9.3.2 計算隸屬度
9.3.3 一級模糊綜合評價
9.3.4 二級模糊綜合評價
9.4 基于模糊綜合評價模型的電子商務(wù)系統(tǒng)質(zhì)量診斷
9.4.1 質(zhì)量診斷原理
9.4.2 質(zhì)量診斷算法
9.4.3 質(zhì)量評價與診斷的系統(tǒng)實施
9.5 本章小結(jié)
本章參考文獻
第10章 總結(jié)與展望
10.1 電子商務(wù)系統(tǒng)性能智能優(yōu)化目標(biāo)的達成
10.2 研究展望
附錄