1、SaaS（軟件即服務(wù)）模式降低了信息服務(wù)供需雙方的成本，并且實現(xiàn)了向海量SaaS租戶提供個性化服務(wù)。中小型企業(yè)通過購買SaaS服務(wù)能經(jīng)濟、有效的提高信息化水平，SaaS是推進企業(yè)信息化的一種重要途徑。隨著SaaS的產(chǎn)業(yè)化發(fā)展，進一步降低服務(wù)成本和能耗已經(jīng)變得十分必要。傳統(tǒng)的SaaS資源配置方法是租戶需求確定為前提，很少探討在云環(huán)境下面向海量不確定需求的有效資源優(yōu)化配置方法。這種方式容易造成的供需雙方的需求偏差，單個租戶的細微偏差經(jīng)過海量

2、放大造成巨大的服務(wù)成本支出。因此，如何準確的預測租戶的真實需求，并制定對應(yīng)的資源優(yōu)化配置方案是本文重點研究的問題。
　　為了預測租戶的不確定需求，本文基于SLA構(gòu)建了SaaS租戶模型，其中包含了服務(wù)的需求描述、匹配及請求方式。在現(xiàn)有SaaS模式中，SLA一旦簽訂在合約期內(nèi)無法改變。但是，租戶內(nèi)部擁有多個內(nèi)部用戶，這決定了租戶的需求處于動態(tài)變化過程中?；诓蛔僑LA的SaaS服務(wù)過程中包含著大量的并不被租戶真實使用的服務(wù)成本。因此，

3、本文通過運用BP神經(jīng)網(wǎng)絡(luò)學習服務(wù)過程數(shù)據(jù)來模擬租戶真實的不確定需求，并構(gòu)建SLA可變的SaaS服務(wù)請求模式，從真正意義上實現(xiàn)了“即付即用”的目標。
　　最終目標實現(xiàn)實時求解適應(yīng)租戶變化需求的資源配置方案，本文構(gòu)建了一個雙目標SaaS服務(wù)資源優(yōu)化配置模型。該模型通過將租戶的需求轉(zhuǎn)化為資源量，再通過尋找所需資源在虛擬機資源池上的最優(yōu)分布完成資源優(yōu)化配置的任務(wù)?？紤]該問題的求解難度，提出一種基于群智能的資源配置優(yōu)化算法，以成本和違約率為

4、適應(yīng)度值搜索最優(yōu)的資源配置方案。對比其它算法，這種算法的高性能和低復雜度更適應(yīng)于求解該問題?？紤]到云計算環(huán)境中的租戶海量、需求動態(tài)特性，本文對提出的算法進一步改進，通過任務(wù)維度分解和交互變異，使得資源優(yōu)化配置算法能夠利用虛擬機的空閑資源并行運行，提高算法的求解質(zhì)量及速度。仿真試驗對算法和模型的有效性進行了驗證，結(jié)果表明本文構(gòu)建的資源優(yōu)化配置模型及對應(yīng)的求解算法能夠高效的求解出最優(yōu)資源配置方案。
　　本文提出的不確定需求識別方法實現(xiàn)