基于模糊层次分析法的云服务评估方法

针对传统评估方法中自然语言难以定量的问题,提出了基于模糊数学和层次分析法的云服务评估方法。根据云服务的服务等级协议和用户反馈,构建了以服务费用、性能、服务协议、声誉、安全性为评价指标的云服务非功能服务质量(QoS)评价体系,利用模糊数学中的三角模糊数量化自然语言类型的评价,以实数、布尔类型和自然语言型3种异构数据描述的QoS信息对云服务进行综合评估。通过实例验证了该方法的可操作性,得到了参与实验云服务的测评得分矩阵。结果表明,该方法能够通过定性和定量的属性指标建立对云服务的判断,是对云服务质量的一个全方位的量化评价。     

考虑执行能力的云制造服务资源组合优化研究

云制造组合优化中对于服务资源历史执行情况考虑不足时会使得服务资源执行能力是否可信具有不确定性,最终可能影响任务成功执行,为解决该问题建立了一种考虑执行能力的云制造服务资源组合优化模型.该模型针对服务资源历史执行情况信息的时效性,建立时间段权重衰减函数,以成本、时间、合格率、可靠性、可维护性为决策目标,运用改进的带有外部...     

云制造环境下基于QoS的组合云服务自适应调整

为提高云制造环境下组合云服务的柔性,提出一种基于QoS的组合云服务自适应调整机制.该机制将可靠性、可用性、时间、价格和柔性度作为云服务的QoS特征,给出各特征值的量化方法和云服务QoS包含度的定义;对云制造环境下可能产生的异常进行了分类和抽象,将自适应调整逻辑引入组合云服务,建立了组合云服务自适应调整模型,并给出相应的调整算法和调整逻辑.设计了仿真实验,实验结果验证了所提方法的可行性和有效性.     

基于知识的云制造资源服务管理

分析了云制造资源服务的特点以及知识在资源服务全生命周期中发挥的作用,在此基础上提出了基于知识进行资源服务管理的机制,设计了一套适合云制造资源服务管理的知识库管理系统构建方法,结合该构建方法对资源服务管理流程进行了分析,最后开发了相应的原型系统进行了验证.     

面向服务的云制造协同设计平台

为支持复杂的、大规模的协同设计,实现制造资源、制造能力的高度共享,探讨了云制造的概念以及云制造模式下的协同设计平台的特点,基于面向服务架构理念以及Web服务技术,搭建了一个面向服务的、松散的、开放式的云制造协同设计平台框架,并采用五维视图对其进行描述与分析,还对平台所涉及的关键技术,如面向服务架构、资源管理、资源服务智...     

基于云制造的数据挖掘研究

为了解决云制造环境下分布式海量数据的分析处理、促进数据挖掘的开发集成和商业应用的问题,在云计算服务模式的基础上,提出了云制造服务模式、内容与技术基础,设计了数据挖掘服务模型,构建了基于云制造的数据挖掘服务模型体系架构,并给出了基于云制造的数据挖掘层次结构,从制造全生命周期的角度形成了云制造环境下的数据挖掘服务模式。     

基于改进TOPSIS法的物流云服务选择研究

针对传统TOPSIS法在物流云服务选择中主观指标权重的不确定性,以及不能完全反映出各方案优劣性的问题,提出基于熵值法和改进相对接近度算法的TOPSIS法.在分析传统TOPSIS法基本原理的基础上,构建出改进的TOPSIS法评价模型,并结合具体算例对此评价模型进行实验验证:A公司为了有效控制供应链成本、提高客户满意度,决定使传统TOPSIS法和改进TOPSIS法在服务质量(Qo S)指标参数相同的情况下,对相同物流云服务提供商选择进行比较.评价结果表明,改进的TOPSIS法可以消除主观因素对结果造成的影响,用于物流云服务提供商选择更具客观性与合理性,为物流云服务的选择提供了参考与借鉴.     

考虑价格因素的 并行模糊多准则时 变权重云服务决策

网络中云服务存储量的几何式快速增长使得云服务决策越加困难,为满足用户特殊需要并提供充足的决策依据,提出并行TOPSIS时变权重模糊云服务多准则决策算法.在并行TOPSIS改进中采用熵权重赋值形式赋予云服务相应的准则权重,使得权重的选择变得简单易行,并由此发展出时变权重提出改进TOPSIS评估机制,使用时变权重能够更好的对不同时间段的云服务质量（QoS）信息进行重要性区分,使得决策机制更加合理可信.然后基于分时模糊TOPSIS多准则决策机制,设计云服务选择的并行化融合决策框架,使得算法更趋近于工程应用.仿真结果显示,所提云服务决策算法可更有效的对QoS信息影响进行抑制,从而有效提高云服务调用的成功率.     

云服务组合的agent方法研究

在多云环境中,协调自私的参与者,自动地选择服务,配置分布式的服务以及处理那些云提供者和他们的服务的不完善的信息,这些都是云服务组合要解决的问题。由于agent具有动态性、自治性、协调性、合作性等特性。基于此,提出了一种云服务组合的agent方法。     

云制造环境下设计需求与服务匹配模式算法

针对云制造环境下设计需求与设计服务的特性,构建含有属性集、关系集和操作集的设计需求与设计服务数据结构。建立一种云制造环境下的设计需求与设计服务输入、分解、组合和输出匹配模式,研究了该模型的原子匹配、扩展匹配和产品匹配。针对匹配过程中输入、分解、组合和输出量化问题,采用语义概念相似度和循环递归设计结构匹配算法实现设计需求与设计服务智能匹配。最后,通过实验验证,表明该模式与算法的有效性和可行性。     

基于属性相似度的云分类器

提出了属性相似度概念解决高维对象分类的权重问题,并结合云理论建立了基于属性相似度的云分类器.采用云理论建立训练集的各属性模型,表达各属性值隶属于其类别中心Ex的程度.分类模型由属性模型集成得到,属性权重根据属性相似度计算.各类别的同一属性间的相似度越大,此属性对分类的作用越小.基于粒子群优化方法对分类模型的中心位置Ex进行优化.将此分类器与普通云分类器应用于iris数据集的分类实验,该分类器的分类效果好于后者.     

云制造系统中基于粒子群优化的多任务调度

为解决云制造系统的同类型多任务调度问题,建立了该问题的数学模型,提出了一种离散粒子群遗传混合算法,以所有任务的总完成时间及成本最优为目标进行求解.该算法采用整数编码方法建立粒子的位置矢量与服务分配的映射关系,在采用标准粒子群算法更新粒子位置时,引入了遗传算法的交叉和变异操作思想,使用4种方法按条件"逐级叠加"的方式对粒子位置进行更新,以保证种群的多样性.算例仿真结果表明,该算法是有效的且具有较高的执行效率.     

基于云计算的数字图书馆服务研究

在分析云计算工作原理及国外数字图书馆应用云计算进行服务取得成功案例的基础上,探讨了数字图书馆应用云计算进行服务的意义,并针对目前云计算环境下数字图书馆在提供服务过程中存在的问题,提出了具体的解决对策.     

基于智能体服务的云计算架构研究

云计算是一种共享的网络交付信息服务模式,发展前景良好.Agent智能体技术拥有较好的智能性,在各个领域得到了广泛应用.本文将Agent智能体技术引入云计算中,提出了一种基于Agent智能体服务的云计算架构,能够很好的整合信息资源,实现智能化云计算服务.     

基于服务风险的云服务商信任评价研究

云服务风险的发生,导致中小企业用户无法使用服务商所承诺的服务质量水平,进而引发用户对云服务商的信任危机。以用户与云服务商之间的信任关系为切入点,从用户视角出发探讨了服务风险的发生对双方信任关系的影响,以期对云服务商的市场策略提供有针对性的对策建议。在将中小企业用户与云服务商之间的信任关系划分为直接信任关系和间接信任关系的基础上,得到不同用户对云服务商信任评价的综合模型,进一步利用计算机数值仿真验证了所构建信任评价模型的有效性。研究结果表明:服务风险的发生会对云服务商的信誉造成负面影响;用户对服务风险的厌恶程度越高,其对云服务商的信任就越低;服务风险的发生,对间接信任的负向影响要显著大于对直接信任的负向影响。     

基于MQPSO优化的属性约简方法

变异量子粒子群算法(MQPSO)通过在量子粒子群算法(QPSO)中引入变异机制,增加了全局搜索能力,避免陷入局部最优。在粗糙集理论和MQPSO算法基础上,提出了基于MQPSO优化的决策表属性约简方法,并在算法实现中提出了迭代记录策略,改进了算法中的耗时计算部分,降低了算法的时间复杂度。     

基于云计算的数字化文献资源服务模式研究

阐述两种传统的数字文献资源服务模式,在此基础上提出一种新的服务模式——基于云计算的数字化文献资源服务模式,并指出这种服务模式存在的问题。     

监控与预测的云资源优化配置

针对云环境下虚拟机资源在多数时间中处于闲置状态导致云资源利用率低的问题,设计一种云资源监控系统,并在云监控基础上提出一种基于自回归积分滑动平均(ARIMA)模型的动态负载预测与资源配置的方法.该方法利用虚拟机负载与配置的关系,通过预测负载情况,提前启动或者挂起虚拟机,提高云资源的利用率.研究结合OpenStack云环境提供的虚拟机,实现其下的云资源监控,预测和弹性分配功能.结果表明:该系统能准确预测虚拟机的需求量,所制定的资源弹性分配策略能够提高云资源的利用率,进一步节约成本.     

考虑物流服务的云服务组合QoS评价方法研究

为满足对云服务组合的个性化需求,对一类含有物流服务的服务组合QoS评价方法进行研究,建立了含有物流服务的云服务描述模型,在此基础上计算云服务的相关QoS指标. 为对指标值进行科学的综合评价,提出了一种基于历史数据的主客观结合QoS指标权值设定方法. 最后用一个汽车零件加工过程的实例进行验证,验证结果表明提出的含物流服务的服务组合QoS评价方法可行及有效.