云环境下面向能耗降低的虚拟机部署算法

为降低大规模数据中心的能耗,提出了一种虚拟机部署算法——三阈值节能算法(TTEA).该算法利用能耗与处理器资源利用率的线性关系,将负载过重和负载过轻主机上的虚拟机迁移到负载适度的主机上,而负载正常主机上的虚拟机不发生迁移.基于TTEA,进一步提出了4种虚拟机的选择策略,并通过实验对比选择HLGP策略作为最佳策略.仿真结果表明,与单阈值算法和双阈值算法相比,HLGP策略能有效降低数据中心的能耗,保持高的服务质量.     

一种能量感知的虚拟机放置智能优化算法

针对数据中心的虚拟机放置优化问题,首先对异构数据中心的能耗进行建模,然后提出了一种基于离散粒子群优化的能量感知的虚拟机放置智能优化算法.重新定义了粒子的参数及算子,提出了一种二维编码方法,引入了一种自适应权重机制和一种能耗感知的局部适应优先机制以分别更新粒子的速度和位置,有效地提高了求解质量.仿真实验对比表明,本算法大大提高了数据中心服务器资源的平均利用率,减少了能耗,降低了数据中心的运营成本.     

数据中心多目标虚拟机管理研究

通过建立起资源使用、服务器热点与电源能耗三者的统一优化模型,设计多目标虚拟机动态管理系统,协同优化资源使用、服务器热点和电源能耗,以使得数据中心的效益达到最优.鉴于数据中心负载流量的动态波动性,采用基于滑动窗口的两级状态检测策略来决策迁移虚拟机时刻,基于多目标统一优化模型设计相应算法来解决迁移虚拟机和目的主机的选择问题.最后在Xen虚拟机平台上测试该系统,实验结果表明:本文设计的虚拟机动态管理方法能够较好地协同优化数据中心的资源使用、服务器热点和电源能耗,使得数据中心的效益达到最优.     

基于能效优化的MapReduce异构云环境任务调度算法

提出了一种在异构MapReduce集群中的能效优化管理策略.基于数据中心服务器节点的数量、性能参数运行时间等估算出任务调度的响应时间,设计了一种启发式的任务调度算法,可以很好地满足能效优化的目标.     

云存储系统的能耗优化节点管理方法

为节省云存储系统的能耗,文中考虑在云存储系统利用率较低时关闭部分存储节点.为了保证部分存储节点关闭时数据的可用性,针对如何选择云存储系统中可以关闭的节点集合问题,设计了基于辅助节点的贪心算法,并针对异构云存储系统的能耗优化问题,提出了面向异构云存储系统的能耗优化贪心算法.模拟实验结果表明,文中提出的面向异构系统的能耗优化贪心算法能较好地降低异构云存储系统的能耗,其性能明显优于一般的贪心算法,从而验证了所提算法的有效性.     

云数据中心服务器能耗建模及量化计算

构建精确的服务器能耗模型有助于资源提供者预测和优化数据中心的能耗.针对以往数据中心服务器因未考虑"负载的特征"而导致能耗模型精度低的问题,本文提出一种新的能耗建模及量化计算方法,其主要思路如下:根据数据中心服务器所处理任务特征的不同将其分成三类,分别为计算密集型任务、Web事务型任务和I/O密集型任务;针对每一种类型任务,分析其对服务器各部件能耗的影响;利用"主成分分析法"分析各部件参数对能耗的贡献并选择最具代表性的参数,进而结合多元线性回归和非线性回归方法建立能耗模型.实验结果表明,本文建立的能耗模型预测精度能达到95％以上;与其它模型相比,精度可提高3％左右.     

传感器中基于连通支配集的区域覆盖控制算法

针对现有无线传感器网络区域覆盖控制算法很难在确保网络连通率的同时对网络覆盖率和能耗进行优化的问题,本文提出一种基于连通支配集的区域覆盖控制(area coverage control based on connected dominating set,ACCBCDS)算法。当节点随机分布于监测区域后,未连通的节点移向Sink节点直至网络实现全连通,之后利用三着色算法构建网络连通支配集,Sink节点对非连通支配节点进行集中式优化调整,让非连通支配节点移至更优位置。在优化调整的过程中同时考虑了网络连通率、覆盖率和节点移动距离。仿真结果表明,与典型的基于虚拟力的区域覆盖控制(area coverage control based on virtual forces,ACCBVF)算法相比较,本文提出的ACCBCDS算法能使网络在确保全连通的前提下获得更高覆盖率,并能减少网络覆盖控制中的移动能耗。     

无线传感器网络LEACH算法的改进

节点能耗是判断无线传感器网络(WSNs)优劣的重要指标。WSNs节点一般由电池供电,节点间通讯距离越远能耗越大,因此,在研究WSNs时必须考虑节点的能耗与分布。经典低功耗自适应集簇分层协议(LEACH)在选簇首时没有考虑节点位置和剩余能量。本文在LEACH算法的基础上加入节点剩余能量和位置参数:基于节点的分布,优化汇聚节点位置;节点剩余能量越大当选簇首的概率越大。最后,通过MATLAB仿真实验验证改进后的算法均衡了网络节点的能耗,延长了网络寿命。     

大型公共建筑能耗监控系统研究

建立一个大型公共建筑能耗监测平台,获取建筑各分类分项能耗数据.能耗数据传输至数据中心进行分析处理,把分析处理结果通过网页以图表等形式对外公布.系统按功能分为数据采集子系统、数据传输子系统和数据处理子系统.基于能耗数据监测平台应用模糊控制技术对建筑能耗引入监控环节,约束大型公共建筑的能源消耗,提高建筑运行能效.     

单元式水冷多联热管空调系统有限时间热力学分析与能效评价

近年来,随着信息化的飞速发展,数据中心的规模不断扩大.在带来变革的同时,数据中心的迅速扩张也产生了日益严重的能源问题.降低数据中心冷却系统能耗,已成为节能减排的迫切要求.利用热管技术进行自然冷却和冷水主机水冷方式是降低这一能耗的有效方法之一.本文根据数据中心负荷的特点,以湖南常德某数据中心(111°39'E,29°00'N)的72台背板热管空调为对象,利用有限时间热力学方法对该数据中心应用的单元式水冷多联热管系统进行分析,并建立了全年能耗计算的评价方法.该分析方法提高了传统的评价方法的精度,可以为热管技术在数据中心的推广与能效分析提供参考.     

基于PSO与多变量支持向量机的通信基站能耗预测

为准确预测通信基站的能耗,提出了一种基于微粒群算法与多变量支持向量机(PSO-MSVM)的通信基站能耗预测模型。该模型基于温度和日期两个重要因素,运用MSVM建立通信基站能耗预测模型;采用PSO对模型核函数中的参数c和ε进行优化整定,以提高算法效率。湖南某地区通信基站的测试结果表明:与最小二乘法相比,PSO-MSVM的预测结果更接近基站实际能耗,预测精度达93.8%以上,表现出良好的工程价值。     

云计算中基于多目标优化的虚拟机整合算法

云数据中心中存在着高能耗和高服务水平协议违约率的问题,为了解决此问题,提出了一种基于多目标优化的虚拟机整合算法.综合考虑能耗、服务质量和迁移开销等多种因素,将虚拟机整合问题构建为一个具有资源约束的多目标优化问题.使用蚁群系统算法对该多目标优化问题进行求解,进行虚拟机整合,获得近似最优的虚拟机主机映射关系.为了减少算法复杂度,利用CPU利用率双阈值来判断主机负载状态,根据主机负载状态分阶段进行整合并使用不同的整合策略.基于CloudSim平台对多目标优化的虚拟机整合算法和其他6种虚拟机整合算法进行仿真实验,将本文算法与现有虚拟机整合算法实验结果进行比较,结果表明本文提出的算法在能耗和服务水平协议违约方面优化显著,具有较好的综合性能.     

数据中心启发式反向人工蜂群虚拟机整合节能策略

针对数据密集型作业的特点,提出一个基于CPU和图形处理器(GPU)两个影响因素构建计算节点的能耗评估模型.该模型基于原虚拟机选择节能算法(ABCS)在虚拟机选择节能策略中的能效优势,进一步利用启发式思想改进蜂群优化算法,寻求虚拟机整合的最优解.在CloudSim 3.0云计算模拟器中的实验结果表明,启发式反向蜂群算法能在保证服务质量的前提下,有效降低虚拟机迁移次数,进而降低数据中心的能耗(节能25%~30%).     

面向节能的建筑设计多目标优化方法

考虑绿色建筑设计时重点关注的两个指标(节能和舒适度),建立绿色建筑节能设计的多目标优化模型;采用建筑能耗模拟软件EnergyPlus评价个体的适应值,利用基于分解的多目标进化算法优化上述模型,给出融合EnergyPlus的建筑节能多目标进化优化算法及其执行方法.以我国北方常见的多房间居民建筑为例进行多目标优化,结果表明:相比NSGA-II等经典智能优化设计算法,所提方法在只增加了0.61%能耗的基础上减少了1.29%的不舒适时间.     

基于动态电压调节的高性能业务系统能耗优化

提出一种面向高性能业务主机基于动态电压调节技术的能耗优化方法,该方法测量应用程序在不同频率下的性能和能耗,并建立性能约束下的能耗优化模型,优化业务系统的能耗;利用功率计测试了3种典型计算机系统在不同频率下运行程序的能耗;根据测试数据和系统能耗优化模型,对能耗优化方法进行了实验验证,结果显示:对于不同的时间约束条件和程序,所提方法可以节省16％的系统能耗.     

基于多目标优化的虚拟机放置方法

在虚拟机放置问题中,传统启发式方法不能完全适用于复杂的云计算环境,采用智能算法的研究又缺乏对时间开销的考虑。针对上述问题,提出一种基于Memetic算法的虚拟机放置(Memetic algorithm-based virtual machine placement MAVMP)方法。MAVMP方法针对云数据中心运营情况建立了最小化能耗、最小化运行时服务等级协议违例率(service level agreement violation time per active host, SLATAH)以及最大化资源利用率的多目标优化模型,将虚拟机按照资源请求情况进行分类,并利用该分类方法改进了Memetic算法,利用改进后的Memetic算法求解多目标优化模型,得到虚拟机放置方案。仿真实验结果表明,仿真数据中心利用MAVMP方法进行虚拟机放置后,其在能耗、资源利用率以及服务质量的评价指标上都有着良好表现。并且,MAVMP方法与已有的基于智能算法的虚拟机放置方法相比计算时间也大幅下降。     

基于DeST仿真和GS-SVR算法对严寒气候区近零能耗公共建筑逐时负荷预测

目的 为使空调系统能够及时对近零能耗建筑室内负荷变化做出反应,提出基于DeST仿真与支持向量机回归算法(SVR)的预测方法.方法 以位于沈阳建筑大学校内的近零能耗示范建筑为例,通过DeST仿真得到模型需要的原始数据,利用网格搜索算法(GS)对支持向量机算法中的参数进行优化,采取优化后的支持向量机回归算法(GS-SVR)...     

数据中心网络多路径路由算法

数据中心网络流量分布的不均衡增加了网络拥塞产生的可能性,由于数据中心网络的流量特性,使得传统IP网络的流量工程方法不一定适合。该文在SDN/OF(software defined network/OpenFlow)的结构下,提出了一种基于多路径传输的动态路由算法(dynamic routing algorithm based on multipath propagation,Dramp)并作为SDN/OF结构中应用层的流量均衡策略。该算法在重新定义链路关键度并求解链路权值优化问题的基础上,能充分利用数据中心网络中存在的冗余路径,在完成细粒度流量均衡的同时,能很好地克服控制器的计算开销,完成路由优化的目标。通过在Mininet仿真平台中部署并进行仿真实验,与等开销多路径路由算法ECMP(equal-cost multi-path)以及GFF(global first fit)路由算法相比较,结果展示了Dramp的优越性能,同时证明了在数据中心网络中采用Dramp作为流量工程的解决方案更简单、更实用。     

基于效率优化的四轮独立驱动电动车转矩分配

对某款四轮独立驱动电动汽车转矩分配控制策略对车辆经济性影响进行研究,基于理论与试验数据,建立关键零部件数学模型及整车能耗的MATLAB/Simulink仿真计算模型.以降低系统能耗为目标,提出一种基于驱传动系统效率优化的转矩分配控制策略,得到转矩分配系数MAP图,从而避免了在线计算的时效性问题.不同行驶工况下的仿真结果表明,与固定比例的转矩分配方法相比,基于转矩分配优化算法的系统能耗可降低约5%.     

兼顾网络带宽的节能云数据副本布局算法

由于云数据中心作为云应用服务的重要基础设施,在满足日益增长的用户需求的同时,也导致了云数据中心能耗的急剧上涨。为了降低能耗和提高云应用服务质量,文中通过全面考虑云数据中心的服务器和网络设备的能耗,兼顾网络带宽建立了云数据中心的能耗计算模型,提出了一种全新的以能耗优化为目标的云数据副本的布局算法,并通过GreenCloud验证了所提出的节能模型和算法的有效性。实验结果表明：文中提出的布局算法能有效地降低云数据中心的能耗和对网络带宽的消耗,从而提升了用户对云应用服务质量的满意度。