云环境下基于虚拟机动态迁移的调度策略研究

针对目前云环境资源调度采用静态负载均衡策略易于导致资源浪费的问题,提出了一种双限定值的虚拟机动态迁移的调度策略.该策略将当前负载状况与负载过重或过轻时两个限定值比较,选择介于二者之间能耗较低的虚拟机迁移至目标节点.仿真实验表明,该策略能够减少迁移次数,降低虚拟机迁移能耗,从而尽可能达到负载均衡和满足服务等级协议的需求.     

一种改进AdaBoost算法的方法

针对传统AdaBoost算法的不足,分析了分类器训练时间长和训练过程中容易出现训练结果对训练样本严重收敛的问题(过训练),并提出了解决这一问题的有效方法.新方法主要将特征值和排序结果进行缓存以及对训练样本及时更新.使用该方法训练级联车牌检测器,实验结果表明,新方法较好地解决了传统AdaBoost算法中所出现的过训练和训练耗时的问题,在提高检测率的同时降低了误检率,并且训练时间缩短了50%左右.     

面向方面的动态软件架构研究

基于面向方面编程(AOP)技术,提出了一种层次化的AODSA模型.通过将横切关注点和系统需要更新的组件定义为方面组件,利用AOP的动态编织技术将其织入源系统,实现了系统的动态演化.该模型的有效性和可操作性可以通过一个可动态演化的网络投票系统得以验证.     

非线性动力系统在软件需求分析中的研究

在软件系统的生命周期中,其过程也是不断变化和逐步完善的.为了减少由需求缺陷和需求变化而导致的软件系统失败,需求的演化过程应该是在稳定的状态下完成的.提出了一个非线性方程来描述此过程,初步研究显示,当需求变化率在一个稳定的范围里,演化过程就是稳定的需求也是可变的.     

基于平均负载混沌预测的服务器老化研究

首先通过 G-P 算法分析关联维数与嵌入维数的变化识别时间序列混沌特性,然后用小数据量方法求最大 Lyapunov 指数,基于最大 Lyapunov 指数对平均负载时间序列建立预测模型.实验结果表明预测模型能比较精确的对 Web 服务器系统平均负载进行短期预测,依据平均负载能有效地推测服务器老化情况,为执行软件自愈提供依据.     

云环境下一种基于任务类型匹配的负载均衡策略研究

针对云计算环境下大量并行计算节点容易产生计算节点之间的负载不均问题,本文提出了一种基于任务类型匹配的负载均衡方案。该方案针对任务集中的多种不同长度的子任务类型情况进行判定,并对当前主流的Max-Min和Min-Min两种启发式负载均衡算法进行分析,综合其优缺点,并针对任务集的类型采用不同的算法进行任务调度。实验结果表明在该负载均衡的策略下,提出的方案具有比单一应用Max-Min或者Min-Min算法具有更好的负载均衡特性和更短的完成时间。