云计算平台的自适应资源供给

云计算系统中IaaS层通过对虚拟化后的基础设施进行池化管理来完成云内基础设施资源的管理。资源的池化为云服务提供按需索取的资源供应以及动态的资源配给。针对现有云计算平台缺乏对资源供应量的自动调整机制的问题,研究了云计算平台中基础设施资源供给的自适应性。通过二次平均时间序列预测法对未来一个时段内的业务负载峰值进行预测,并将预测值交予云平台转化为资源需求。对给定的资源需求,模型通过不断寻找最小虚拟机所能提供的资源与预期资源需求量之差的向量长度,做出虚拟机调度决策。仿真实验表明,本文提出的云计算自适应模型具有良好的精确性及稳定性。     

两方参与的隐私保护协同过滤推荐研究

 隐私保护的协同过滤推荐研究致力于在确保高质、高效地产生推荐的同时有效地保护参与方的隐私.在数据分布存储,参与方大于2的情形,已有研究针对其核心任务——对指定项进行评分预测,以可交换的密码系统为主要技术,设计了一个隐私保护计算协议.但该协议不适用于参与方是2的情形.以安全比较计算和安全点积计算为基础安全设施,设计了一个协议,解决参与方是2的情况下对指定项进行评分预测的隐私保护问题,从而解决了隐私保护的两方协同计算问题.预测准确度与数据集中存放一样,证明了协议的正确性,并基于安全多方计算理论和模拟范例,证明其安全性,分析了时间复杂度和通信耗费.     

搜索区域自动变更的智能水滴算法实训课排课优化

排课问题是NP完全问题,高校实训室排课需考虑实训设备配置及教学改革"走班制"专业选修课所增加的排课复杂度.将高校实训室排课问题建模为硬约束目标及软约束优化满足问题,提出了经过改进的智能水滴算法,改进算法在路径寻优过程中根据待排课程的属性与当前排课状态,结合优化目标,自动进行跳转或围绕核心点变更搜索区域,有效解决了标准智能水滴算法搜索范围固定不利于算法搜索效率提升的问题.提出了预排序策略,减轻算法后期运行的阻力,在排课资源紧张的情况下,更好地实现收敛.通过改进智能水滴算法、标准智能水滴算法、遗传算法进行排课实验对比,验证了改进智能水滴算法在排课系统中的优化效果和高效性。     

云计算平台生存性研究

本文主要研究云计算平台的生存性问题,设计并提出一种云计算平台生存性机制,利用虚拟化技术把硬件环境与运行系统进行强隔离后,通过把虚拟机迁移到稳定可靠的硬件设备上来保证虚拟机承载的服务的可用性,以提升云计算平台在大规模系统故障发生的情况下的存活能力。具体工作包括设计基于基础设施运行状况的实时监控、基于虚拟机的调度优化、云服务的自动迁移调度和服务自动恢复、以及在异常出现情况下的预警和告警的机制。本文的主要贡献包括确立了云计算平台的生存性需求,提出了基于虚拟资源迁移的生存性机制以及实现并整合生存性机制到现有的Vebula私有云基础设施平台。