一种资源与服务性能关系的建模方法

获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.     

ASBS适应行为稳定性分析

研究了基于服务的自适应软件系统的适应策略构建中适应行为的稳定性分析问题.主要采用了基于反射Petri网模型的分析方法,在反射Petri网模型中系统的业务行为与适应行为在不同的层次分离建模,适应行为模型相对业务行为模型透明.结合系统的反射Petri网模型提出了适应行为稳定性的具体定义,给出了适应策略中适应规则的建模方法以及应用反射Petri网模型对系统适应行为进行稳定性验证的方法,并通过一个实例对方法的可行性以及有效性进行了说明.     

面向成本优化的SBS虚拟化资源分配

在部署云应用问题中,对于结构复杂的基于SBS的资源优化分配问题,目前尚缺少深入研究.针对这一问题,提出了组件服务资源配置的概念及其确定方法,基于此将SBS的资源优化分配建模为资源配置的组合优化.为求解优化模型,给出了一种改进了交叉算子和变异算子的遗传算法.实验验证了优化模型的有效性,同时表明提出的遗传算法具有较快的收敛速度,且与线性规划相比,虽然最优解的质量相近,但是在较大规模问题上求解效率明显优于后者.     

一种求解有状态服务选取问题的遗传算法

基于QoS的Web服务选取问题,通常认为应用工作流中的任务是相互独立的,而在很多实际应用中,工作流的某些任务之间往往需要共享状态信息,由此增加了任务绑定约束,使得求解复杂度提高,影响了选取效率.针对现有方法的不足,提出了一种面向有状态服务选取的遗传算法,其中重新定义了交叉操作和变异操作,使得所有个体均满足任务状态关联绑定约束,同时在个体评价策略中引入罚函数,并进行个体相似性判断以防止过早收敛.实验表明,提出的算法在有状态服务选取问题中,可求得质量良好的解,且收敛速度快,选取效率亦优于现有算法.     

适应改革形势 加强职工教育 不断提高企业整体素质

阐述了建立培训制度加强教工教育的重要性,分析了科学技术在当代企业发展中的重要作用,介绍了职工教育培训的途径.