基于改进布谷鸟搜索算法的云计算资源调度

针对当前云计算资源调度方法存在的耗时长、开销大等难题,提出了改进布谷鸟搜索算法的云计算任务调度方法。首先对当前云计算资源调度研究现状进行分析,根据安全强度和用户需求分别赋予虚拟机和安全需求不同等级,其次采用改进布谷鸟搜索算法对云计算资源调度问题进行求解,最后在Cloud Sim平台上进行了仿真实验。结果证明,该文方法获得了理想的云计算资源调度方案,调度性能要优于其他云计算资源调度方法,验证了该文方法有效性和优越性。     

一种基于贪心策略的启发式云计算任务调度算法

提出了一种基于贪心策略的启发式任务调度算法,用于优化云计算环境下任务调度中执行时间。首先,给出了云计算环境下任务调度问题的形式化描述及其最早完成时间的启发式优先分配原则;接着,基于最早完成时间的优先分配原则,采用贪心策略难易交错地分配任务求得任务调度的初始解;进而,引入了任务对交换的收益值概念,采用贪心策略选择收益值大的任务对交换优化任务调度初始解的执行时间;最后,在Cloud Sim云计算仿真实验平台下进行了顺序调度算法、Min-Min算法、Max-Min算法和本文算法的对比实验,实验数据对比充分验证了本文算法既能减少任务执行时间,又能使资源负载相对平衡。     

基于函数约束的云任务分配的研究

为了解决云环境下的资源调度问题,提出了一种改进的蚁群资源调度算法(RRLB-ACO),该算法在综合参考各种云计算任务调度算法的基础上,利用资源约束函数改进信息素的更新,并且通过负载均衡差函数来改进启发信息,使虚拟机经过算法多次迭代以后能够处于一种负载均衡的状态,利用Cloud Sim工具进行仿真测试,与标准的蚁群算法BACO、最新的ACOSA算法做仿真对比,实验结果表明RRLB-ACO算法在任务的执行时间、成本以及系统负载均衡方面均优于BACO算法和ACOSA算法。     

改进粒子群算法的云计算环境资源优化调度

针对云计算的资源调度问题,提出一种基于改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)的资源调度算法.对云资源调度问题进行分析,建立云资源调度的目标函数,利用PSO较快的收敛速度找到云资源调度问题的最优解,并根据每个粒子的适应度值自适应地改变每个粒子的速度权重,提高了全局寻优能力和收敛能力,同时在Cloud Sim平台对算法进行仿真实验.结果表明:IPSO算法减少了任务的平均完成时间,提高了任务处理的效率,具有很好的优化资源以及合理调度资源的能力.     

改进加权最小连接数负载均衡调度算法研究

通过对加权最小连接数算法的进一步改进,实现服务器负载均衡.针对该算法的改进做了周期性的权值信息收集,并对中途产生用户高峰而引起服务器过载问题进行有效解决,按照类别的不同进行统一分配任务的研究.通过对服务器资源的有效收集,进行逐一服务器权值计算和资源分类,并建立相应的数学模型等.应用Cloud Sim进行仿真实验,结果表明改进后的加权最小连接数调度算法具有更好的均衡性和可靠性,能更好的解决负载不均衡问题.     

基于蚁群优化的云任务调度策略的研究

为了解决云任务调度过程中虚拟机资源使用不合理导致任务完成时间长的问题,提出一种基于蚁群优化的任务调度算法。采用集团资产管理模式管理虚拟机资源,同时确定云任务优先级,根据任务优先级与虚拟机的实时情况确立启发因子,增强算法的搜索能力;改进信息素更新规则,提高任务求解率;建立云任务调度过程模型。通过Cloud Sim模拟仿真器实验仿真,结果表明改进算法在任务平均完成时间上比ACO算法减少了,负载均衡值上降低了。     

云计算概念、技术与开源项目

以离线批处理为特征的HPC和以实时处理为特征的分布式商用计算是云计算的两个起源,云计算的服务模式、部署模型和云存储、云安全皆为云计算的基本概念,而关键技术则包括虚拟化技术、数据存储技术、并行编程模型和No SQL。最后介绍了云计算的开源项目,有Iaa S层的Eucalyptus、Open Stack、Cloud Stack、Open Nebula和Paa S层的Hadoop、Open Shift、Cloud Foundry。旨在描绘一个云计算的全景,并为云计算的科学研究和实施应用提供参考。     

基于Simulink的机械系统动力学数字仿真

论述了机械系统仿真的常用方法及其不足 ,介绍了 MATL AB中 Simulink动态仿真软件包的优点 ,提出运用Sim ulink对机械系统进行动力学数字仿真的方法。以一个带有动力减振器的机械振动系统为例 ,详细描述了该系统在Sim ulink环境中的动力学数字仿真过程。具体步骤是首先建立机械系统的动力学数学模型 ,再通过 Sim ulink的传递函数模块建立数字仿真模型 ,设置各项仿真参数后执行仿真 ,得出仿真结果并考察其可信性。结果表明 ,该仿真方法更直观精确 ,提高了效率。     

政务外网云计算平台系统设计

云计算作为网格计算、分布式计算、虚拟化等传统计算机技术和网络技术发展融合的产物,旨在通过网络把多个计算实体整合成一个具有强大计算能力的统一系统.本论述通过H3Cloud方案搭建某市电子政务外网云计算平台,对基于云计算信息系统的服务器、存储系统等基础架构进行设计.     

仿真和实物实验结合的机器人学课程实验教学

机器人学课程实验涉及内容多、知识面宽,能锻炼和提高学生的动手能力。提出利用Sim Mechanics对机器人实验中的运动学反解、轨迹规划等环节进行充分的仿真分析,再通过实物实验加以验证的实验教学方法。利用该方法进行实验教学增加了学生对知识的理解,取得了良好的效果。     

基于Sim Pro的焊装夹具机构的仿真

首先，文章以概述性的语言着重介绍了Sim Pro仿真平台以及Python语言。接着，将被研究对象抽象出来，以平面连杆机构为仿真模型，建立了其运动学及逆运动学方程。该方程是仿真算法的基础。最后，在Sim Pro平台上建立三维模型，以Python语言为工具编写了脚本文件。通过在Sim Pro平台的仿真，可以看出Python的功能足以满足要求，效果良好。     

推政务云服务平台 助智慧政府管理

正云计算(Cloud Computing)作为一个概念起源于1988年SUN公司的合作创建人约翰·盖奇。他在1988年首次提出"网络就是计算机"的概念。然而,当时这个技术被认为仅能够在超级计算机上进行。随着internet网络发展壮大,2008年开始云计算有了新的应用点。作为一种商业计算模型,云计算通过使计算分布在大量的廉价分布式计算机上,而非本地计算机或远程服务器中,使用户能够     

基于Vmware的云计算服务门户

利用VMwarev Cloud Direetor，可以构建安全的云计算环境，从而大大提高数据中心效率和业务灵活性。与VMware vSphere？配合，VMware vCloud Director可以创建虚拟基础架构资源池，并将其作为一项目录服务提供给用户，从而让现有数据中心实现云计算。     

基于CarSim的线控转向汽车理想传动比的设计研究

为设计线控转向汽车的理想转向传动比,以提高汽车转向时的操纵稳定性,基于Car Sim实车模型进行车辆特性化仿真分析,推导了实际横摆角速度增益的计算公式,以此为基础对线控转向系统的变角传动比特性进行分段研究。中低速段采用定增益法,将遗传算法与汽车操纵稳定性评价指标相结合,优化从方向盘转角到汽车响应的固定横摆角速度增益,以作为中低速段理想传动比的设计依据;中高速段提出将横摆角速度增益与侧向加速度增益按可变权重共同控制的方法设计理想转向传动比。通过Car Sim/Simulink联合仿真,选取双移线实验工况、角阶跃实验工况及稳态加速回转实验工况对控制方法进行验证。实验结果表明,基于所提出的实际横摆角速度增益,采用横摆角速度增益与侧向加速度增益相结合的方法分段设计理想传动比,能够减轻驾驶员的转向驾驶负担,提高汽车转向时的操纵稳定性。     

基于风险的云计算环境用户效用分析

通过分析云计算环境中资源分配和用户任务请求的过程,提出了云计算环境中的用户效用函数,并引入风险对云计算服务和资源由于被非授权访问造成的损失进行量化,得出了基于风险的用户期望效用函数.最后,通过仿真实验论证了任务执行数与用户需求,时间,费用和用户效用之间的关系.从仿真实验可以看出,用户的一次提交的任务数存在一个理想值,在...     

面向大规模多媒体任务的云计算平台设计研究

针对大规模多媒体任务的并行执行,设计了一个云计算平台——MMC(Multi-Media Cloud)。MMC根据任务的完成时间,为各个多媒体任务分配计算单元。同时采用卡尔曼滤波器对每个工作负载所需的资源数量进行准确地估计,并基于此对工作负载所需的实际计算单元进行调整。与现有的云计算平台相比,MMC能够最大程度地降低云基础架构的成本,并确保任务按时完成。     

全球硅谷企业“抢滩”云计算

当Google提出云计算(Cloud Computing)概念时,不少人想到了《终结者》中的"天网"系统,一个制造了地球灾难的智能系统。从那时起,云计算就进入一个神话时代,让很多行业用户云遮雾绕,有种如坠云烟的感觉。不过随着亚马逊、IBM、Google、Intel、HP、红帽乃至微软都宣称将大规模进军云计算,并且有多个云计算中心相继落地,云计算总算是乌云散尽,逐渐显露出了清晰的轮廓。     

基于改进粒子群算法的云计算服务部署优化

针对云计算资源有限,传统穷举搜索算法求解效率低的问题,提出一种基于改进粒子群算法的云计算服务部署优化方法.首先对云计算服务部署问题进行分析,将其转换成一个多目标组合优化问题,并建立相应的数学模型;然后采用全局搜索能力强的粒子群算法对数学模型进行求解,并针对标准粒子群算法收敛速度慢、存在早熟现象进行改进;最后通过仿真实验验证其可行性.实验结果表明,该方法可以快速找到最优的云计算服务部署方案.     

基于蚁群算法的云计算资源调度研究

本文针对云计算中资源调度问题进行了研究,提出云计算资源调度的蚁群优化算法,在算法设计中综合考虑了在云计算环境中任务完成时间和计算成本优化问题,建立数学模型,并通过cloudsim平台进行实验仿真测试。验证表明算法模型能使总任务完成时间较短、成本较小,是一种有效的资源调度算法。     

云计算：中国的机会在哪里？

比尔·盖茨曾说：人们总是在短时间内高估技术对社会的影响，而在长时间中又往往低估重大技术对社会的影响。云计算（Cloud Computing），这个几年前横空出世的概念，一时间光芒四射、炙手可热。