一种嵌套的软件抗衰策略及其模型

该文针对软件在连续运行过程中普遍发生的老化现象，提出了一种嵌套的基于时间的软件抗衰策略，并采用Petri网来描述每次恢复的具体过程，采用有限状态自动机控制恢复次数，建立整个策略的实施过程模型。与传统的基于时间的软件抗衰策略不同，该策略在每次执行系统级恢复前首先执行N次的应用级恢复，从而减少了恢复时间，降低了抗衰成本和周期性应用级恢复策略预测失败的风险，提高了系统的可靠性。另外，该策略具有可扩展性，对于多种因素导致的性能衰退，可以执行多级嵌套的恢复。     

面向对象系统自适应多级嵌套抗衰技术及模型

对面向对象计算系统执行自适应的细粒度软件抗衰策略,可以进一步增强软件抗衰技术的适用性 及灵活性,同时能更大程度地降低抗衰成本,提高软件的可靠性。针对面向对象软件系统中各级组件的性质 和特点,制定了将抗衰粒度细化到活动级的重启策略;同时根据各级组件间控制、调用及数据访问的关系,分 析了组件间的耦合度,给出了计算组件重启相关性和相关度的方法,判定了组件可达集,确定了各级组件重 启群,最终制定出自适应的多级嵌套的软件抗衰策略,并在此基础上构建了策略实施模型,为实现智能化面 向对象软件系统的细粒度软件抗衰提供了支持。     

计算系统多级抗衰技术研究

为了对抗软件老化,提出一种细粒度的、事前的、主动的多级软件抗衰技术。通过分析系统资源的 占用和损耗情况,判定系统性能的衰退规律,并据此制定了基于时间的多级软件抗衰策略和基于检测的多级软 件抗衰策略,采用有限状态自动机对两种策略进行形式化描述,最后通过Web服务案例说明策略的制定过程, 给出仿真结果。实验表明,较之单一系统级软件抗衰,多级抗衰策略可以进一步缩短MTTR,提供更高的系统可 用性,同时将抗衰成本降到更低。     

基于免疫Agent的网格性能抗衰

模拟生物免疫机理实现计算网格的性能抗衰是一个崭新的研究方向。分析和比较了免疫和抗衰之间的异同,构建了基于免疫Agent的系统抗衰逻辑模型,模拟生物免疫机理对计算网格的资源和性能进行监控和诊断,建立性能衰退的数学模型,并给出了抗衰策略决策方法。以一个分布式的音像资源事务处理系统为背景进行应用研究,给出了一个两阶段超指数分布的数学模型来评估性能,结果表明该方法是有效的。     

信息系统中粒计算模型及其属性约简方法

粒计算是一种基于问题概念空间划分的新的智能计算理论和方法,目前在国际上逐步得到了人工智能有关研究人员的重视。模糊粒度模型、粗糙集粒度模型、邻域系统下的粒计算模型、商空间模型、相容粒度空间模型是目前几种常用的粒计算模型。基于粗糙集理论的粒度模型,通过决策信息系统的粒子空间中各粒子的推理,给出了决策信息系统中核属性计算方法;在此基础上,提出了决策信息系统属性约简的计算方法;通过实例验证了该方法的有效性。     

自恢复容错系统的建模与分析

容错系统不仅会产生硬件故障,由于连续长时间的运行,系统的性能也会逐渐下降或失效,即老化现象。综合考虑容错系统中的硬件故障和老化现象,提出了将传统的冗余技术和软件抗衰技术相结合的策略,并给出了该系统的非马尔可夫随机Petri网模型,随之对基于该模型的系统进行了定量分析。     

基于多粒度理论的不完备决策规则获取

将多粒度理论引入不完备决策系统中,针对其不完备性,结合非对称相似关系提出基于相似关系的不完备多粒度粗糙集模型,并讨论该模型的性质。随后重点讨论基于相似关系的不完备多粒度粗糙集模型中属性约简和决策规则获取的问题,将多粒度理论和近似分布约简相结合,提出了不完备多粒度近似分布约简,获得所有的最简确定决策规则和最简可能决策规则。最后通过实例分析,发现使用多粒度近似分布约简与规则获取方法比原有的单粒度近似分布约简与决策获取方法更合理有效。     

多粒度决策系统的局部最优粒度选择

粒计算是知识表示与数据挖掘的一种重要方法.它模拟人类思考模式,以粒为基本计算单位,以处理大规模复杂数据和信息等建立有效的计算模型为目标.在粒计算看来,一个粒是由多个比较小的颗粒组成更大的一个单元.在许多场合下,由于不同标记尺度对数据有不同的分割,会得到不同层次的信息粒度.在面对具体问题时,自然而然地考虑选择一个合适的粒度层次来解决问题.针对具有多层粒度决策系统的粒度选择与规则获取问题,首先介绍了多粒度决策系统的概念,并在多粒度决策系统中定义了局部最优粒度,然后介绍了多粒度决策系统中基于局部最优粒度的属性约简.最后,给出了基于局部最优粒度的规则获取方法,并结合具体实例给出了规则获取的一个算法.     

广义多尺度决策系统的局部最优粒度选择

在实际应用中,人们常常选择比较合适的粒度层次来解决相应的问题。在经典的多尺度决策系统和粒度层次构造过程中,属性取值常由人工选择某些固定粒度层次。本文针对广义多尺度决策系统,由属性取值的尺度组合来构造粒度层次,进而研究局部最优粒度的选择问题。首先,介绍了广义多尺度决策系统的概念。然后,在协调的广义多尺度决策系统中定义了最优粒度和局部最优粒度,并给出了基于属性组合的最优粒度与局部最优粒度的选择算法。最后,在不协调的广义多尺度决策系统中引入了广义决策,定义了广义决策最优粒度和广义决策局部最优粒度,并给出了基于广义决策最优粒度与广义决策局部最优粒度选择算法。     

多标记序决策系统中基于局部最优粒度的规则获取

多粒度是当前粒计算研究的一个重要方面.在实践中,人们往往选择比较合适的粒度层次来解决问题.作为信息系统的一种特殊情况,多粒度决策系统是经常使用数据表示形式.在这样的系统中,对象可以在属性的不同粒度层次上取不同的观测值.实际使用时,常常遇到在数据属性上需要比较大小,即属性带有序关系.序关系分析是多指标决策的重要内容,而粗糙集是一种处理序关系有效方法.围绕多标记序决策系统的知识获取问题来开展研究,首先,介绍了多标记序决策系统的概念;然后,在协调的多标记序决策系统中定义了最优粒度和局部最优粒度,并介绍了基于局部最优粒度的属性约简和规则获取方法;最后,在不协调的多标记序决策系统中引入了广义决策,定义了广义最优粒度和广义局部最优粒度,并给出了基于广义局部最优粒度的属性约简和规则获取方法.