多资源复杂网络的应急调度研究

以一次性消耗系统为背景．提出了多应急点多出救点以及多资源的复杂网络应急调度模型。以应急点的损失最小和出救点的个数最少为目标,将损失量大小转化为应急时间长短进行衡量,运用理想点法求解。最后构造算例．运用本文提出的方法对模型进行计算,验证了所建立模型的合理性及理想点法的可行性和有效性。     

集装箱翻箱问题的蚁群算法改进

翻箱问题属于NP难问题,基本蚁群算法在求解该问题上收敛困难且寻优能力低。因此,本文提出了一种适合于翻箱模型的改进型蚁群算法,在概率决策机制、解的重构、信息素更新机制三个方面对基本蚁群算法进行改进。最后通过与其他算法的分析比较,验证了该改进算法的可行性与有效性。     

面向不确定需求租户集的云服务智能匹配模型

为了解决云计算环境下由海量租户集和资源集间的不确定性因素引起的高质量云服务获取困难的问题,提出了一种描述动态异构租户集不确定性需求的方法.在此基础上,构建属性权重完全未知情况下的云服务智能匹配模型,排除了租户提交权值造成的偏差.神经网络以属性区间计算的相离度作为输入,服务满意度为输出来动态模拟租户集的不确定需求,运用萤火虫算法求解模型获取最优服务组合.最后,实例验证了神经网络的可靠性以及算法的有效性.实验结果表明,模型能有效获取高质量的云服务组合,优于传统的匹配方法.     

基于Hadoop的农产品安全监控平台的设计

针对当前传统数据库已经不能满足海量农产品安全监控信息的存取及处理需求,借鉴Hadoop平台的分布式文件系统和Map/Reduce并行计算方法设计了农产品安全监控平台的框架,在此基础上,提出了一种用于监测农产品各项指标的Map/Reduce算法;最后通过Linux集群技术,搭建了一个基于Hadoop的农产品安全监控数据存储处理实验性平台,该平台能够有效地对海量农产品数据进行及时存储与处理。实验最终结果表明,相比传统的数据库,该平台能够大幅提升海量农产品数据的吞吐率及数据处理性能,由此验证了平台的合理及有效性。     

云环境下面向复杂资源需求的虚拟机能效部署研究

针对云环境下在线虚拟机部署这一矢量装箱问题进行了研究,提出了多维空间划分模型和在线虚拟机能效部署算法OEEVMP。多维空间划分模型可以引导虚拟机部署,避免多维资源的不均衡利用;基于此模型,提出的OEEVMP算法在物理机运行数量局部最优和全局最优之间取得均衡,从而提高虚拟机部署能效。通过仿真实验,将OEEVMP算法与MFFD算法进行了对比,实验结果验证了所提算法的可行性和有效性。最后,对控制模型的两个参数进行了分析,给出了最佳的参数组合。     

基于用户实时行为的Slope One模型与算法

以技术创新平台为背景,针对原有协同过滤算法推荐滞后以及算法可扩展性差的问题,根据用户的实时反馈,在Slope One算法的基础上,提出了更新增量机制,分解出固定因子以及增量因子,当用户对项目的评分改变时,只需更新增量因子,提高了算法的可扩展性,更精确地反应了用户的兴趣变化。经算例验证,该算法在保证推荐精度的同时可以有效地缩短推荐时间。