虚拟网络映射的电信级优化问题研究

网络虚拟化技术是解决当前网络僵化问题的有效手段之一,虚拟网络映射是其中关键技术.文中采用一致的优化模型综合分析网络资源分配的现有技术方法,包括成本优化、收益优化、剩余资源优化、网络能耗优化.进一步针对电信级运营,分析了业务等级违约最小化、跨网络分域部署策略和博弈机制设计方案,论述了动态拓扑适应、接纳和可靠性控制的方法,以及采用比例计算节能的优化问题建模.     

移动云中基于随机博弈的多用户任务卸载效用优化

针对移动云中多个资源需求节点(resource demander, RD)同时卸载任务到资源提供节点(resource provider,RP)时会造成各个RP上任务分布不均匀,从而导致节点任务执行时间不一致引起移动云服务效率下降等问题,提出了基于随机博弈的多用户任务卸载方法。该方法以任务卸载节省的时间为各个RD效用,建立基于节点效用最大的优化模型;分析该模型并依据RD中任务产生的随机性,将节点效用优化问题转化为每个RD为获取最大效用而进行博弈的问题,确定该博弈为N玩家随机博弈,提出能够达到ε-纳什均衡解的反向迭代算法以得到每个RD的纳什均衡策略;并将获得的策略与采用静态博弈得到的策略进行实验对比,结果表明,采用随机博弈得到的卸载策略能够有效降低任务执行时间,同时提高移动云服务效率。     

面向云工作流的两阶段资源调度方法

为提高云计算系统的资源利用率,优化系统性能,同时兼顾用户的服务质量(Qo S)需求约束,文中结合云计算和工作流建立了云工作流系统,给出了具有两个调度阶段的系统资源调度模型.在第1阶段中,考虑了Qo S的时间及价格约束、工作流内各个任务之间的依赖关系以及各个任务所产生的中间数据的处理,提出了改进的粒子群优化(MPSO)算法,并利用Pareto获得最优解,以提高调度效率;在第2阶段中,考虑了资源在主机上的分配情况,提出了具有负载感知的调度策略,根据系统的负载情况进行资源调度,以提高系统的资源利用率.实验结果表明:在云工作流系统的资源优化调度中,与经典的异构最早完成时间算法、单目标优化的遗传算法相比,MPSO算法的任务执行速度更快、资源利用率更高,能满足用户的Qo S需求;具有负载感知的调度策略能更有效地根据负载情况进行调度,提高任务执行的效率和资源利用率.     

基于三方博弈的网格资源协同分配模型

针对费用约束下的网格资源分配问题,提出一种基于三方博弈的资源分配模型.该模型通过引入一类“虚拟资源中介”实体,将资源分配问题转化为由用户任务,虚拟资源中介,资源提供者三方组成博弈过程.理论分析以效用函数为基础给出了模型的有效性证明和求解算法,仿真实验用实际网格任务负载和典型网格测试床模型检验了该三方模型的性能表现.实验结果显示,对于具有费用约束的网格任务,基于三方博弈的协同分配模型在资源收益,资源利用率和任务执行效率方面的性能表现显著优于传统的资源分配模型.     

OFDMA干扰信道资源分布式自优化算法

针对多用户正交频分多址(orthogonal frequency division multiple access,OFDMA)干扰信道自优化问题,研究其功率和信道资源分配策略,提出了一种新的分布式的资源优化分配算法.各用户只需要知道自己的信道状态信息就可以通过迭代注水的方式对系统资源进行合理分配,实现速率最大化.通过对注水算法增加干扰强度限制条件的方法,优化资源配置,提高系统的效率,并用线性规划理论将其实现.仿真结果表明,该算法在性能上比纳什博弈算法有很大的提高.     

QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

年龄分布下周期种群系统动态博弈的Nash均衡

研究具有年龄结构的周期种群在资源开发中的动态博弈问题.利用Kakutani多值映射不动点定理证明了Nash均衡的存在性.借助法锥和共轭系统,描述了均衡策略.     

云计算环境下基于优先级的IO和网络密集型应用调度策略

当前云计算环境中,当大于CPU核数的IO和网络密集型应用并发执行时,传统的资源分配策略没有考虑到应用的特性,导致资源利用率偏低,应用执行效率低下.针对这种现状,本文对IO密集型应用和网络密集型应用进行分析,根据它们可量化的特性,提出并设计了基于优先级的IO和网络密集型应用调度策略.针对可量化的小应用提高优先级,获得更大的CPU时间片,让小应用尽早完成,然后将所有CPU时间片分配给大应用,减少进程之间的切换调度,提高了效率.大量实验表明,该策略可以有效提高应用的执行效率,减少资源的消耗.     

信道估计辅助的缩小搜索范围高阶QAM解映射算法

<正>交幅度调制(QAM)技术具有较高的功率效率和带宽利用率,已广泛应用于多种通信系统中.高阶QAM解映射搜索范围很大,复杂度高.为此,文中引入软判决贡献因子来衡量参考星座点对解映射的贡献,提出了缩小搜索范围的高阶QAM解映射算法;文中还讨论了算法的边界情况,研究了信道估计辅助的自适应搜索范围选择方案.仿真结果表明:在获得与全集合搜索范围相同的误码性能的前提下,文中所提算法大大减小了搜索范围,4096-QAM和1024-QAM解映射搜索范围仅分别为全集合搜索范围的12.7%和19.7%;文中算法能较好地平衡性能和解映射复杂度,具有较好的工程应用前景.     

基于Web Services的系统执行效率

Web Services技术是一种新兴的发展中的技术，也是未来EAI应用架构的一个极为重要的模式。文中对Web Services信息系统的执行效率进行了研究分析，就web Services系统的性能提出了优化措施，并构建了基于Web Services的“学生信息系统”，对优化技术进行测试，提高了系统的执行效率。     

SaaS应用中基于SLA的资源分配研究

随着云计算的普及,软件即服务(Software as a Service,SaaS)得到了广泛的关注.SaaS应用中,需要满足客户服务等级协议(Service Level Agreement,SLA)要求、减少SLA服务违例的同时,尽量提高系统资源的利用率,这对资源分配策略提出了挑战.提出了SaaS模式下的基于SLA的资源分配策略:基于对客户请求动态变化的分析,针对"首次租用服务"和"租用服务升级"两种请求类型,提出了一种用户请求与底层资源的映射策略;提出了提高虚拟机重用度的基于SLA的资源效率优化分配算法.实验表明,该资源分配算法可以在有效保证服务质量的同时,提高资源的利用率.     

网格应用程序的性能预测策略

通过分析网格应用程序性能信息的预测策略, 对几种主要预测策略作出了性能评价; 结合应用历史信息预测法, 以资源预测转化为应用程序预测策略为基础, 提出了网格应用程序性能预测的修正模型. 在动态网格环境下, 本模型为调度决策系统提供了调度依据; 使得网格资源的利用更加合理, 改进了应用程序的执行性能.     

A scheduling strategy for finite element analysis on the computational grid

0Introduction Advancesinnetworkingtechnologyandcomputation alinfrastructuremakeitpossibletoconstructlarge scale high performancedistributedcomputingenvironments,or computationalgrids[1].Agridsystemisadistributedcol lectionofcomputerandstorageresourcesmaintainedto servetheneedofsomecommunityorvirtualorganization(VO)[2].Resourcesinthegridareorganizedasresource domainsthatareindividualandautonomousadministrative domains,whichusuallyareintherangeofLocalArea Network.Thechoiceofstrategiesusedtosch…     

网格资源性能监控

在网格环境下资源动态变化,网格需要实时、准确、动态的性能信息,负载管理系统从动态变化的资源池中选择合适的资源是非常重要的.网格资源性能监控可以在动态网格环境下为调度决策系统提供调度依据,使网格资源的利用更加合理,改进应用程序的执行性能.通过分析当前流行的网格监控工具,以可扩展性、浸入性、信息有效性、数据格式、可添加性、通信、安全以及监测度量等性能指标为参考,对网格资源监控工具进行了比较并讨论了目前系统中的某些局限性和下一步的工作.     

小世界模型下基于信任机制的资源搜索

在P2P中,大量的资源共享已经成为重要应用之一。有效的资源搜索方法是实现资源共享功能的重要基础,资源搜索效率既取决于网络的拓扑结构,又与搜索策略相关。现有的搜索算法存在网络负载较大和搜索效率偏低的问题。以P2P为研究对象,根据小世界网络较短平均路径长度和较高聚类系数的特性,提出一种小世界模型下基于信誉机制来遴选最优路径(CMS),从而实现一定可信程度下资源高效率搜索。实验结果表明,该搜索机制提高资源搜索的命中率的同时,有利于数据包的快速传递且具有一定的资源搜索可信性。     

基于任务角色的工作流模糊访问控制模型

引入模糊逻辑的思想,在基于任务角色的访问控制模型和工作流执行特点的基础上,提出了基于任务角色的工作流模糊访问控制模型,根据用户的基本信息和历史记录,运用模糊综合评判法计算出执行工作流任务的用户最佳选择,有效地提高了资源的利用率和工作流的执行效率.     

基于包簇映射的云计算资源分配策略

提出了一种基于包簇映射的云计算资源分配策略。在包、簇概念下,资源可共享,任务调度更为灵活,资源利用率更高。将多目标遗传算法与改进的蚂蚁算法动态融合,提出了一种基于成本最优的云计算资源分配算法。该算法在任务前期利用遗传算法快速随机的全局搜索能力,产生初始信息素,在任务后期通过蚂蚁算法蚂蚁间的信息交流和正反馈机制,寻找资源分配的最优解。实验结果表明,在包、簇概念下,该混合式调度算法能够显著降低云计算系统的任务完成时间和任务执行平均成本,有效减少簇结点的使用数量,提高资源利用率。     

网格环境下一种动态任务调度算法

针对网格系统中资源协同分配的动态性问题，分析了现有的基于有向无环图的资源映射方法，提出了一种动态资源协同分配算法。该算法采用有向无环图表示每个应用，然后，将所有这些图进行分层，执行过程中，就绪的应用组可以按照一定的规则动态插入。该算法解决了网格环境下资源和应用的动态性问题，从而更好的满足了网格的动态特性。     

一种网格资源动态分配算法研究

在分布式集群环境中,如何对网格环境中的资源进行有效管理和合理调度至关重要。采用静态固定资源分配等策略不能适应资源和用户请求的动态变化,容易产生资源碎片,造成网格资源利用率低等问题。提出了一种基于分类挖掘的资源动态分配模型和算法,通过资源管理服务器中的守护进程,对集群中的任务动作进行分类挖掘,形成分类规则,用以指导资源的动态分配。实验证明,相比其他分配策略和算法,DRA算法能较好地适应网格环境的变化,具有资源分配利用率高等优点。