【摘 要】
：
为解决云计算中的效费比、平台锁定和跨域资源管理等问题,目前已提出云际计算模式以便多个云服务实体之间的开放协作并创造云价值。在云际协作环境中,如何高效实现兼顾成本与能耗的云工作流调度是涉及多方云资源管理的一个重要问题。针对该问题,构建了云际协作环境下能耗与成本感知的工作流调度模型,并提出一种相应的云工作流调度方法(ECO)。该方法主要包含任务组选择、虚拟机复用和资源动态管理等策略,可在云际协作环境下调度多个云工作流应用,并在满足截止时间约束的前提下,优化工作流执行成本与能耗。通过仿真实验说明了该算法的有效性
【机 构】
：
湖南科技大学知识处理与网络化制造湖南省普通高校重点实验室,南京信息工程大学计算机与软件学院
【基金项目】
：
国家重点研发计划资助项目(2020YFB1707600),国家自然科学基金资助项目(6177219,61873316,61872139),湖南省自然科学基金资助项目(2018JJ2142),湖南省教育厅资助项目(20B222)。
论文部分内容阅读
为解决云计算中的效费比、平台锁定和跨域资源管理等问题,目前已提出云际计算模式以便多个云服务实体之间的开放协作并创造云价值。在云际协作环境中,如何高效实现兼顾成本与能耗的云工作流调度是涉及多方云资源管理的一个重要问题。针对该问题,构建了云际协作环境下能耗与成本感知的工作流调度模型,并提出一种相应的云工作流调度方法(ECO)。该方法主要包含任务组选择、虚拟机复用和资源动态管理等策略,可在云际协作环境下调度多个云工作流应用,并在满足截止时间约束的前提下,优化工作流执行成本与能耗。通过仿真实验说明了该算法的有效性
其他文献
验证协同业务过程与领域约束的符合性是一个关键问题,但现有工作需忽视对内部流程细节的处理,从而导致组织内部流程信息暴露、符合性验证误判及验证效率低下等问题。为此,基于流程抽象提出一种针对协同业务过程与领域约束符合性验证方法。首先,利用标号迁移系统和符合性语言分别描述业务过程及领域约束;然后,基于弱轨迹等价将业务过程中含有的内部流程细节全部移除以得到抽象业务过程,并将其并发组合,得到抽象协同业务过程;最后,在协同业务过程与领域约束是否相符的问题上,利用模型验证技术进行自动验证。将针对协同业务过程符合性验证转化
为解决人工制定临床路径变异率高的问题,提出一种基于遗传算法挖掘可推荐医嘱的方法。在该方法中,每条染色体代表一组可以加入临床路径的医嘱。针对挖掘算法效率较低的问题,调研了遗传算法的常用优化方法,将这些方法应用到临床路径优化问题上;为了进一步改进遗传算法,提出一种基于Word2vec的变异算子改进方法。实验结果表明,遗传挖掘算法在临床路径优化问题上具备可行性,轮盘赌、尺度变换、最优保存、均匀交叉、自适应变异、引入Word2vec的改进方法组合最有效,采用非数值编码,改进后的遗传算法性能提高了50%~55%;采
边缘计算作为一种新模式,可以有效解决附近移动设备运算能力不足的问题。然而,由于现实世界中复杂的状况,各个时间段内用户的位置分布难以预测,由配备有限资源的边缘服务器覆盖的区域内将难以承载各时间段内不均衡不恒定数量的用户,导致用户无法请求服务。另外,不合理的分配策略将降低区域内承载用户的能力,并可能造成资源浪费。针对上述问题,提出一种自适应移动路径感知的用户分配算法。该算法首先利用用户的位置信息和路网数据,通过改进的地图匹配方法确定用户行进状态,并对用户未来移动路径进行预期;然后,基于用户预期路径提出一种分配
联邦学习中,终端将更新后的模型参数值,而不是原始数据传递至服务器,从而成为保障边缘计算中数据隐私安全的关键技术。因此,提出了基于联邦学习的边缘计算方法(FLBEC),在保护用户隐私的同时,减少终端参与联邦学习的开销。首先设计了基于联邦学习的边缘计算系统架构,提出了隐私保护机制。分析了终端参与联邦学习时间和能耗,提出了研究的目标,即保护边缘计算中用户隐私,同时在保证精度的前提下,减少联邦学习时间和能耗。然后,从参与者选择、本地更新和全局聚合3个方面提出了改进后的联邦学习算法。最后通过对比实验验证了在FLBE
在无人机最后一公里配送场景中,现有的云计算架构存在高时延问题,无法满足人工智能应用的执行需求。边缘计算架构通过将计算资源下沉到边缘,以其低时延、高计算能力的特点,可以满足人工智能应用的需求。但是目前的研究大多局限于单个边缘服务器,缺少并行协同框架的设计。为了解决该问题,本文首先根据移动边缘计算环境和无人机最后一公里配送过程的特点,充分考虑边缘服务器的计算负载问题,设计了基于端边协同的多边缘服务器并行任务处理框架;然后在该框架上对最短响应时间优先的任务调度算法进行改进,设计了α-SSLF算法。该算法能够考虑
项目需求变化和开发人员流动使得软件项目管理具有动态性的特征。鉴于此,建立了包含持续时间、项目成本、调度鲁棒性和调度稳定性的多目标动态软件项目调度模型,并提出一种改进的双归档进化算法。双归档进化算法在优化多目标约束问题时可以同时平衡收敛性、多样性和可行性。但随着目标维度增加,双归档进化算法的性能会下降。本文提出的改进算法采用佳点集和启发式策略进行种群初始化,利用评价函数自适应地对两种交叉和变异方法进行概率选择,分别采用质量指标和动态拥挤度距离对收敛性档案和多样性档案进行更新。对比实验基于仿真的和真实的软件项
程序死锁检测对于保证软件系统的稳定性具有重要作用。动态死锁分析方法由于具有高效和低误报率的特点而得到广泛研究。然而,传统的动态分析方法采用锁图及其各类扩展模型进行程序运行轨迹的建模和分析,它们难以对锁的授权/释放操作及其执行场景进行准确刻画,从而会导致误报现象。针对该问题,提出一种新型的基于程序运行轨迹Petri网模型挖掘的多线程程序动态死锁分析方法。首先,捕获程序运行轨迹中各类并发原语对应的操作,并据此构建程序的Petri网模型;然后,将程序的死锁检测问题转化为程序伴随Petri网模型的死标识检测问题;
模型修复通过对偏差行为的合理调整,改善事件日志与业务流程之间的一致性性能。采用自循环插入方式对日志中可观测的偏差活动进行模型修复,将优先考虑适合度的提升而忽视精度。为获得事件日志与过程模型之间不可回放的行为模式,根据行为关系将其可达活动图表划分为若干个片段并进行服从性校验。利用回放过程中行为模式所产生的最优对齐检测偏差的发生、位置以及潜在行为关系,将具有直接跟随关系的偏差元素构建为可修复的子结构,从而通过减少事件日志中的偏差个数而改善精度。通过实验使用M-repair插件在不同数据集上进行评估,结果表明该
业务系统在演进过程中不可避免地引入变化因素,如何将演进中的变化因素对系统模型进行修复具有实际意义。现有模型修复主要针对原始参考模型和完备日志进行,存在原始参考模型未知和不完备日志的局限性。因此,提出基于不完备日志的变化检测方法,在系统原始模型未知的情形下,利用活动的比较矩阵(行为轮廓矩阵)描述事件日志的Delete、Insert和Move变化操作,从而发现原始事件日志同系统实际日志的局部变化偏差域,根据日志偏差域对原始日志发现的模型进行修复,提出7个实现模型修复的算法。最后,通过ProM工具对所提方法进行
目前,电网企业存在竞争意识不足、流程冗余、效率低下等问题。为适应外部市场竞争和企业管理提质增效的要求,提出一种以“承诺制”推动流程优化的方法,以客户需求为导向,应用“一诺四减两强化”改革举措,优化权责配置,简化业务流程,建立事前明确做事规则,事中事后强化监管的闭环管理机制。对外聚焦营商环境优化,全面推进客户服务流程优化,提升客户满意度;对内围绕效率、质量与风险,全面推进废旧物资处置流程优化。最后,通过项目实践为企业常态开展流程优化,提供了可借鉴的方法模板和案例。