云计算技术在输电线路状态监测系统中的应用

在分析输电线路状态监测系统特点的基础上,提出了在系统中引入云计算存储与并行处理技术的设计方案,将关系型数据库与开源的Hadoop云计算平台结合使用,解决了关系型数据库在系统使用中存储和访问效率等方面的问题.介绍了所开发的原型系统提供的服务及其主要功能,并针对系统中的典型应用进行了性能测试.测试结果表明所提方案可以满足输电线路状态监测系统对数据存储与读取、分析的性能要求.     

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。     

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.     

云计算服务组合系统的协调无模型控制

以云计算服务组合系统的实际问题为背景,讨论了这类动态大系统的协调控制问题,综合运用大系统的理论和时变系统辨识控制的研究结果,提出了一类综合协调预测模型及其辨识算法以及相应的自适应协调控制算法;还探讨了云计算服务组合的无模型控制器.     

基于改进共生优化算法的云计算资源调度优化

针对云计算资源调度模型具有复杂性和不确定性,导致资源分配合理性较差,存在资源浪费的问题,提出一种改进的共生优化算法对云计算资源调度模型进行优化.针对共生算法存在局部搜索能力较差以及在迭代后期易早熟陷入局部最优的问题,通过镜像初始化以及牛顿局部增强策略进行改进,并进行数值仿真实验.最后以改进后的共生优化算法对云计算资源调度模型进行优化求解,实验结果表明,改进后的共生优化算法有效提降低了云计算所需时间和能耗花费,提高了资源利用率.     

云计算环境中的身份认证模型

云计算继承和融合了众多技术,并结合具体应用进行了突破性创新,已成为当前研究的重点和热点.身份认证与资源授权是确保云计算安全的前提,其主要内容涉及云用户与云服务之间以及云平台中不同系统之间的访问与控制.在对云计算信息基础架构进行简要介绍的基础上,针对云计算环境中统一身份认证的特点和要求,综合分析了SAML2.0、OAuth2.0和OpenID2.0等技术规范的功能特点,提出了一种开放标准的云计算身份认证模型,为云计算中逻辑安全域的形成与管理提供了参考.     

基于连通度的多跳传输路由算法

针对由各种功能不同的传感器构成的无线传感器网络,提出了一种基于连通度的多跳传输的路由协议(MHTA),该算法根据网络中节点能量分布的不同,引入权重因子作为调节参数进行簇头选举,选举过程中综合考虑了各节点消耗能量,与基站的邻近程度和周围邻节点的数目.为了减少在数据传输过程中消耗的能量,提出了一种簇内多跳和簇间多跳相结合进行数据传输的方法.模拟实验结果证明:该算法能够降低簇头能量消耗,均衡网络负载,从而延长网络生存时间.     

基于离散群居蜘蛛算法的WSNs分簇路由优化

对无线传感器网络(WSNs)路由优化问题进行研究,提出一种基于离散群居蜘蛛算法的WSNs分簇路由优化方案.首先定量分析节点覆盖冗余度期望值与网络覆盖率的关系,筛选出能够保证网络覆盖率要求的最少网络工作节点,其次研究分簇大小与网络节点密度的关系,动态地确定最佳的分簇个数.基于此,以簇间距离和簇首能量为评价指标构建簇间通信模型,重新定义蜘蛛个体编码方式和更新策略,采用离散群居蜘蛛算法对模型进行求解,最终实现WSNs分簇路由优化.仿真结果表明,方案能够满足网络覆盖要求,而且与其它路由优化算法相比,延长了网络生命周期,降低了网络能耗.     

基于LTE网络架构的冰水情自动监测系统

冰水情信息监测是水情灾害监控信息的基础,是预报、防汛抗旱决策的重要依据.在冰水情灾害监测工作中,利用数据采集、远程监控实现对当前信息进行实时分析、报警十分重要.利用2G、3G技术的监控系统存在带宽资源不足、传输速率不够等问题,已不能满足当前发展的需求.随着通信技术的变革,LTE(Long Term Evolution-长期演进技术)网络已完成大规模商用部署,将LTE系统应用于冰水情灾害监测工作中,开发基于LTE系统的监测装置,实现监测数据、图像、视频通过LTE网络向客户端的实时传输,利用LTE系统大带宽高传输速率的优势,能够解决2G、3G监控系统资源不足的问题,更好的完成冰水情信息的远程实时监控.     

AaaS:Agent云平台研究与实现

云计算是一种通过互联网将各种资源按照一定的方法整合在一起,以服务的形式向外提供的商业模式,有着良好的发展前景.Agent技术拥有其他技术无法比拟的智能性,并在各个领域都得到了广泛的应用.但Agent软件的系统开发、部署、运行以及维护仍采用传统的技术方案,无论在硬件还是软件设施上都存在着严重的浪费,因此将云计算与Agent技术结合起来,建立基于云计算的Agent平台(AaaS),来解决上述存在的问题,利用虚拟化技术解决硬件资源的浪费,设计开发Agent开发工具箱(ADT)以统一的标准来开发和部署Agent,提供云控制器来实时监测Agent的运行状态,进而动态的解决Agent运行时存在的问题.     

云制造平台加工能力分享调度优化研究

云制造平台加工能力分享的调度优化是云制造模式的核心运营问题。为提高云制造平台对参与能力分享企业资源的利用率,解决实际云制造需求环境下企业级制造资源调度问题,达到云制造平台动态实时的要求,以最小化工期和成本为目标函数,构建了基于平台并面向分享的云加工能力调度模型。为快速求解多个云任务订单的最优调度序列,引入任务简易编码和随机权重,设计了改进的二阶粒子群算法,并提出可分享加工能力时间窗的更新策略。最后,通过算例验证云制造平台加工能力调度机制的可行性和有效性。     

基于云模型-灰色关联分析的云平台军民融合创新方案评价研究

为了客观地评价云平台下军民融合创新方案,考虑到各评价指标间的相互影响关系和信息随机性的问题,本文从创新环境、创新管理、创新投入和创新产出四方面分析了影响军民融合创新的关键因素,构建出云平台军民融合创新方案的评价体系,并采用云模型法来表示评价信息以实现定性信息与定量值间的转换。运用熵值法和DEMATEL法来计算上述评价信息的综合权重,同时根据云的距离测度和灰色关联分析法确定了各个融合方案与理想方案的相似度。最后通过实例对不同融合方案进行分析,并将其结果与精确数值方法进行对比,验证了本方法的正确性及有效性,说明此方法可以为决策者选择创新方案提供参考价值,并能为军民融合创新方案的评价提供客观的理论依据。     

铁路应急设施非概率可靠性选址优化研究

为解决小样本、贫信息下铁路应急资源储备点的可靠性选址问题,创新性地将选址-路径问题与区间非概率可靠性方法结合起来,考虑灾情发生后应急设施点在可接受的时间范围内响应受灾点的需求能力及其稳定程度,采用区间值度量路段阻抗,基于区间非概率可靠性理论及区间运算规则,提出路径的非概率可靠性度量及可靠最短路径选择方法;建立基于区间时间阻抗下可靠最短路径的无容量设施选址模型,提出约束条件限制的Monte Carlo改进算法,确定了铁路资源储备点选址的最优方案。实例表明,本文的优化方案能更好地保证救援的时间可靠性,改进的求解算法具有更小的时间复杂度,有效地缩短了运算时间,改善了解的质量。本文的方法与模型体系对于实现铁路应急设施可靠性选址,为决策者提供决策支持,提高铁路应急响应能力具有重要的指导意义。     

A reinforcement learning approach for the scheduling of live migration from under utilised hosts

Live virtual machine migration can have a major impact on how a cloud system performs, as it consumes significant amount of network resources, such as bandwidth. A virtual machine migration occurs when a host becomes over-utilised or under-utilised. In this paper, we propose a network aware live migration strategy that monitors the current demand level of bandwidth when network congestion occurs and performs appropriate actions based on what it is experiencing. The Artificial Intelligence technique that is based on Reinforcement Learning acts as a decision support system, enabling an agent to learn an optimal time to schedule a virtual machine migration depending on the current bandwidth usage in a data centre. We show from our results that an autonomous agent can learn to utilise available network resources such as bandwidth when network saturation occurs at peak times.     

A dynamic evaluation framework for ambient air pollution monitoring

Accurate real-time prediction of urban air quality is one of the most important problems in control and improve ambient air condition globally. Therefore, the modeling and applications of air pollutant forecasting and evaluation has attracted the attention of researchers in recent years. Based on the method of fuzzy mathematical synthetic evaluation, this paper built a dynamic evaluation model for the purpose of mastering the future air quality immediately. A newly proposed computational intelligence optimization algorithm is improved to optimize the least square support vector machine, which can generate rolling forecasts of six air pollutants concentration. The information of future air quality status is built by the fuzzy synthetic assessment model based on entropy weighing method. The results and analysis of air quality monitoring show that accurate and reliable forecast of urban air pollutants concentration are possible and the air quality conditions can be evaluated objectively. Through the simulation design, it proves that the proposed dynamic evaluation model can provide a practical tool for ambient air ambient quality evaluation.     

基于模糊信息公理与云模型的虚拟企业合作伙伴选择

针对虚拟企业建立过程中的关键问题——合作伙伴选择,本文以合作需求为驱动,建立了一种基于模糊信息公理与云模型的合作伙伴选择方法。利用质量功能展开法将合作需求转化为决策属性及其重要度,采用模糊三角数处理展开过程中的不确定信息,并以相对偏好关系计算属性相对重要度。运用信息公理计算各候选企业的信息量,再以各候选企业信息量作为云滴,利用逆向云生成器求得评价结果的云数字特征,通过云数字特征将其转换为定性评价,并进一步分析评价结果。最后,通过实例分析验证了该方法的可行性和有效性。     

VIRTUAL SYSTEM METHOD FOR SYSTEM TREE

ＶＩＲＴＵＡＬＳＹＳＴＥＭＭＥＴＨＯＤＦＯＲＳＹＳＴＥＭＴＲＥＥ￥ＺＨＥＮＧＺＨＯＮＧＧＵＯ（ＤｅｐａｒｔｍｅｎｔｏｆＰｒｏｂａｂｉｌｉｔｙａｎｄＳｔａｔｉｓｔｉｃｓ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙ）Ｂｅ１Ｊｉｎｇ１００８７１，Ｃｈｉｎａ．）（Ｐ...     

Multi-stage stochastic programming models for provisioning cloud computing resources

We focus on the resource provisioning problem of a cloud consumer from an Infrastructure-as-a-Service type of cloud. The cloud provider offers two deployment options, which can be mixed and matched as appropriate. Cloud instances may be reserved for a fixed time period in advance at a smaller usage cost per hour but require a full commitment and payment for the entire contract duration. In contrast, on-demand instances reflect a pay-as-you-go policy at a premium. The trade-off between these two options is rooted in the inherent uncertainty in demand and price and makes it attractive to complement a base reserved capacity with on-demand capacity to hedge against the spikes in demand. This paper provides several novel multi-stage stochastic programming formulations to enable a cloud consumer to handle the cloud resource provisioning problem at a tactical level. We first formulate the cloud resource provisioning problem as a risk-neutral multi-stage stochastic program, which serves as the base model for further modeling variants. In our second set of models, we also incorporate a certain concept of system reliability. In particular, chance constraints integrated into the base formulation require a minimum service level met from reserved capacity, provide more visibility into the future available capacity, and smooth out expensive on-demand usage by hedging against possible demand fluctuations. An extensive computational study demonstrates the value of the proposed models by discussing computational performance, gleaning practical managerial insights from the analysis of the solutions of the proposed models, and quantifying the value of the stochastic solutions.