Web服务器集群QoS-aware负载均衡策略的性能评价

提出了将Web服务器进程调度中所使用的HTTP请求的内容和优先级与Web服务器集群的负载均衡策略相结合的综合控制策略.这种综合控制策略能够同时实现负载均衡和Web服务质量(QoS)控制.并且,本文提出了一种基于随机高级Petri网(Stochastic High-level Petri Net)的性能模型与分析技术,能够实现对Web服务器集群的QoS-aware负载均衡策略进行有效的性能建模与性能评价.     

一种应用于Web服务器集群系统的URL分配算法

基于内容的Web服务请求调度算法有利于均衡服务器集群系统的负载。已有的请求分配算法大多先运用Hash方法对请求的URL进行散列,在此基础上再按一定规则对请求内容进行负载均衡调度。在分析了Web服务流量分布不均衡及已有URL散列方法存在不足的基础上,提出了一种基于URL词典排序及内容等分的URL分配算法LOCEP。该算法通过对URL进行词典序排序,按内容等分,依访问流量排序及分段互补等一系列方法将Web负载尽可能均匀地分布到多个后端服务器中。仿真实验结果表明,该算法比现有的URL散列方法具有更好的负载均衡能力。     

Web集群服务器中分发策略的仿真与分析

在Web集群服务器中,基于内容的请求分发策略可分为两种:混合分发策略和隔离分发策略。用随机Petri网对两种分发策略分别进行了建模与分析,并用随机Petri网软件包SPNP对模型进行了仿真,仿真结果表明,只要合理地配置资源,隔离分发策略优于混合分发策略。测试也表明,隔离分发策略的性能优于混合分发策略。     

一种服务器性能测试仿真算法的实现

通过分析实际用户访问web server的统计特性，解决对大量用户访问Web Server行为的仿真，以及Web Server响应请求所产生负荷的仿真的问题，继而实现一种服务器性能仿真测试算法，并运用例子加以说明。运用此算法对服务器进行测试，有利于优化服务器配置，提高和改善集群服务器整体性能，在实际应用中取得较好效果。     

具有紧急消息的航电总线Petri网建模与性能分析

在航空电子综合化系统的设计过程中，总线系统的性能指标与整个航电系统的总体指标有着密切的关系。给出了一套完整的基于确定与随机Petri网的综合航电总线系统的性能评价的模型和算法。通过对总线系统的确定与随机Petri网模型的求解，给出了具有紧急消息的总线系统的两个重要性能指标总线负载、延迟时间，通过对性能曲线的分析，可以为综合航电系统的设计和完善提供重要的理论依据。     

计算网格任务调度的随机高级Petri网模型与分析

针对一种包含全局调度器和本地调度器的分布式计算网格体系结构,建立了该系统的随机高级Petri网（SHLPN）模型,并进行了模型精化设计以降低模型求解的复杂性,使用基于SHLPN的性能分析技术,对一种基于优先级的任务调度综合控制策略进行了性能分析与评价,数值结果显示了基于SHLPN的建模和分析方法的有效性。     

TeraPELB:云计算中基于预测的弹性负载均衡算法

现代负载均衡已经成为云计算中虚拟资源管理和调度的核心.针对现有云计算弹性负载均衡存在的不足,提出了一种基于预测的弹性负载均衡资源管理算法(TeraPELB),不仅能更加灵活她动态调配资源,而且支持基于负载的趋势预测.理论分析和仿真实验表明,随着网络员载的变动,TeraPELB算法能根据负载变化情况动态地调整后端服务器集群的处理能力,解决了从云中申请虚拟机具有延迟性而导致迟滞甚至无法满足用户请求的问题,相较于传统的弹性员载均衡算法效果更好.     

基于广义随机Petri 网的供应链建模与分析

考察了基于广义随机Petri网的供应链建模与分析技术,在总结Petri网建立供应链模型优势的基础上,将广义随机Petri网(GSPN)的基本理论应用于供应链系统的建模和性能分析,利用GSPN与马尔可夫链的同构关系,采用Petri网与马尔可夫链理论相结合的供应链性能分析方法,为供应链性能的有效评估提供了理论依据,并通过实例验证,该方法可用于分析供应链模型的时间性能和运作效率,为供应链决策层提供参考.     

面向普适计算的分布式模糊推理Petri网建模及仿真

普适计算环境通常采用集中式推理机制,加重了推理服务器和网络通信的负担,并且未充分利用终端计算能力。分布式模糊推理Petri网模型对模糊推理Petri网模型FRPN进行改进,采用层次结构,表征推理服务器和终端的推理任务执行;通过引入负载度和负载增长率的概念,在模糊推理过程中监控节点资源占用,弥补了集中式推理的不足。仿真实验表明,该模型较之FRPN模型可显著降低系统负载,是一种有效的分布式推理的规约方法。     

基于高级对象Petri网的工作流过程建模研究

通过对当前工作流过程建模方法的总结,提出这些方法的不足之处,展望了过程建模的发展动向.在基本的有色 Petri 网系统定义的基础上,引入面向对象技术和时间映射机制,提出了一种基于高级对象Petri 网的建模方法,以提高模型的可重用性,加强对动态流程的描述能力,降低建模过程的复杂度,解决临界资源的共享问题.通过一个具体实例阐述了如何建立高级对象 Petri 网模型,并通过活性分析算法,验证模型对流程描述的正确性和有效性.     

入侵检测系统中负载均衡研究与仿真

处理器的发展速度已跟不上网络的发展速度,如何实现高速网络中实时入侵检测已经成为目前网络安全所面临的问题。本文通过对现有入侵检测系统的硬件结构和算法重新设计,利用网络处理器实现了一种基于遗传算法的智能负载均衡,并建立了相应的系统模型,最后对改进后的算法进行了仿真实验,实验结果表明改进后的算法能提高系统的性能。     

Performance comparison of distributed state estimation algorithms for power systems

A newly proposed distributed dynamic state estimation algorithm based on the maximum a posteriori (MAP) technique is generalised and studied for power systems. The system model involves linear time-varying load dynamics and nonlinear measurements. The main contribution of this paper is to compare the performance and feasibility of this distributed algorithm with several existing distributed state estimation algorithms in the literature. Simulations are tested on the IEEE 39-bus and 118-bus systems under various operating conditions. The results show that this distributed algorithm performs better than distributed quasi-steady state estimation algorithms which do not use the load dynamic model. The results also show that the performance of this distributed method is very close to that by the centralized state estimation method. The merits of this algorithm over the centralized method lie in its low computational complexity and low communication load. Hence, the analysis supports the efficiency and benefits of the distributed algorithm in applications to large-scale power systems.     

基于矩阵分解和自适应图的无监督特征选择

在高维数据分析中,一个不可避免且棘手的问题是维度诅咒,因而如何将高维数据通过特征选择降维为低维数据显得尤为重要。对此, 提出了基于鲁棒矩阵分解和自适应图的无监督特征选择模型(unsupervised feature selection model based on robust matrix factorization and adaptive graph, MFAGFS), 实现在一个统一的学习框架下执行鲁棒矩阵分解、特征选择以及局部结构学习。模型首先通过鲁棒矩阵分解可获得聚类标签, 将聚类标签和局部结构信息用来引导特征选择过程, 再从特征选择的结果中自适应地学习数据局部结构。通过局部结构学习和特征选择这两个基本任务的相互作用, MFAGFS可以精确捕获数据的结构信息以及选择出具有判别性的特征。然后,详细阐述了算法优化求解方法, 并证明了算法的收敛性。最后,在6个公开数据集上进行试验对比分析, 参数敏感性分析, 验证了所提模型的有效性。实验结果表明, 所提的方法与其他方法相比, 性能均有不同程度的提高。     

基于量测转换与输入估计的机动目标跟踪算法

针对雷达系统中机动目标的跟踪问题,提出输入估计(input estimation,IE)与无偏量测转换（unbiased converted measurement,UCM）相融合的自适应算法。用无偏量测转换技术将观测量转换到直角坐标系,使得在极坐标系内应用IE成为可能;提出检测窗内加速度阶梯变化的假设并推导相关模型,使得单个输入估计器能够跟踪各种变化机动。仿真分析表明,算法与基于多滤波器并行工作的交互式多模型相比,跟踪精度相当,但运算量大大降低,因此适用于对性能和实时性要求较高的场合,有很好的应用前景。     

Balls into bins分配器算法

针对传统的bitmap分配器算法中没有反馈机制,导致搜索不能很好地适应各种情况的问题。分析得到bitmap分配器算法中空闲块的搜索问题实际上是一个负载平衡的问题,因此将ballsintobins的负载平衡问题的研究结果应用在bitmap分配器上。将bitmap分成不同的区,从中选出负载量小的区进行分析,经对比分析和对C3I系统的实际检验表明,这种分配器算法的确优于传统的bitmap分配器算法。     

景象匹配技术研究

景象匹配是一项重要的图像分析与处理技术 ,首先给出了景象匹配问题的数学描述 ,分析了它的性能要求和影响性能的因素 ,然后研究了组成景象匹配算法的 4个元素 ,并详细分析了基于区域的匹配算法和基于特征的匹配算法的一般思路、性能特点和适用范围 ,最后还分析了其它一些热点问题 ,如算法的集成、匹配区的选择等     

面向任务的拼修策略问题及求解算法

研究了一种面向任务的拼修策略问题, 建立了该问题的多维背包问题模型,提出了基于遗传算法的求解方案.然后设计了一种求解效果较好的两阶段遗传算法, 进行了包括编码, 交叉,变异, 最优前沿限定算法, 适应度函数,选择策略和退火局部搜索算法在内的全面的分析和设计. 最后,给出了一个算例,检验了求解方案的实用性,并且通过计算实验分析了遗传算法的有效性.     

并行分布仿真中负载平衡的调度算法研究

并行分布式仿真对复杂大规模动态系统的研究，以及探索其长远的应用空间提供了便利，近年来日益成为研究的热点。在并行分布式仿真中，资源的负载平衡对于维护长时间运行的分布仿真演练的高逼真性是十分必要的。首先分析了分布式仿真中存在的一些负载平衡问题，进而提出了两种负载平衡的方法，以及集中与分布两种实现方式；然后提出了一种具有启发式的征募算法，最后分析了负载监测及迁移策略的实现方法。     

空间飞行器分布式通用组合导航仿真平台方案研究

在研制空间飞行器导航系统的过程中,搭建导航仿真平台能够有效地节约成本并缩短研发周期.在模块化、通用化和标准化设计原则的指导下,利用多台计算机和相应的数据总线开发了空间飞行器分布式通用组合导航仿真平台.在空间飞行器导航系统特性分析的基础上,提出了捷联惯性导航系统、GPS、脉冲星导航系统、磁强计和星敏感器组合导航方案,设计了仿真平台的结构,论述了仿真平台的硬件设计、软件开发和算法,并探讨了仿真平台的扩展性能.试验表明该仿真平台能够逼真地模拟空间飞行器导航系统,并为设计者提供有益的建议.     

基于创建解动态控制和局部搜索合并的蚁群算法

为了加快蚁群算法的收敛性和改善解的合理性,提出了一种改进的蚁群算法。该算法提出一种基于动态控制的策略,其目的是确保蚂蚁在搜索前期采用最大概率探索解,而在搜索后期,每只蚂蚁都在当前最优解附近搜索解,这在一定程度上提高了算法的收敛性能;其次,为得到更合理的解,对每只蚂蚁的局部搜索解中加入合并机制,这样集成了多个蚂蚁对最优解的搜索性能。实验结果表明:该方法性能优于传统的蚁群算法。