能耗感知的云制造服务选择与调度优化方法

云制造服务选择与调度(CMSSS)问题在优化资源配置和满足用户需求方面被广泛关注。然而,大多数现有方法对制造设备的预热过程考虑不足,导致了能源的浪费。为了降低制造能耗并保证服务质量(QoS),建立了CMSSS的多目标优化模型,通过任务衔接度模型量化制造服务设备的预热能耗,并提出一种能耗感知的云制造服务选择与调度优化方法(ECAM)。该方法根据QoS指标为任务选择复合服务,根据制造服务占用情况将子任务调度到空闲时段,并最大化任务衔接度,以降低制造设备的预热能耗。结果表明,在6种评价指标权重下,ECAM比以往的可行调度生成方案(FSGS)具有更好的适应度。在具有预热过程的云制造场景中,ECAM能获得与FSGS基本一致的QoS满意度和更好的能耗经济性。

针对无标度网络的紧凑路由方法

衡量一种路由算法优劣的两个重要指标是路由表的大小和路径的长度,但这两个方面通常是互相矛盾的.紧凑路由(compact routing)研究旨在设计路由算法在这两个指标上获得优化的平衡(tradeoff).目前,已有许多学者针对任意拓扑的网络提出了普适(universal)的紧凑路由方法(compact routing scheme).但是,真实的网络都具有特定的拓扑,普适的紧凑路由方法并没有利用真实网络呈现的特定拓扑特征,因而在这类网络上未必能取得最优的性能.最近的研究发现,许多真实网络都具有无标度特征和强聚集特征,利用这两类拓扑特征,提出了一种针对这类网络的紧凑路由方法.该路由方法将网络看成是由一个骨干树和一些捷径组成,在任意源节点和目的节点之间路由,使用路径的长度不超过它们的最短路径长度加上一个整数b.路由表大小限制在O(clog2n)比特,其中,b和c是由网络结构决定的参数.实验结果表明,在无标度网络上,b和c可以同时取较小的值.与以往的紧凑路由方法相比,该方法在平均性能上表现更好.

成批处理工作流动态分组调度优化方法

针对现有成批处理工作流调度方法的不足,建立考虑活动实例对执行者执行能力需求等约束的动态分组调度优化模型,提出一种解决该问题的实现算法。算法主要思想是利用微粒群算法的智能优化原理,同时优化最小化活动实例的停留时间总和与执行开销总和这两个目标函数,最终产生一组满足约束条件的Pareto优化调度方案。仿真实验说明了算法的有效性。

支持实例方面处理的工作流动态调度控制方法

针对现实业务过程对实例方面处理的需求,提出一种工作流动态调度控制方法,以增强系统对实例方面处理的支持能力与灵活性。该方法通过过程控制器、活动实例管理器MShell、执行者资源管理器等组件及相关控制算法来控制实例方面处理过程,并由MShell维护活动实例分组信息,解决了由实例方面处理引发的多个活动间活动实例分组一致性保障问题。最后通过实例验证了该方法的有效性。

大规模网络上基于图嵌入的可扩展路由方法

大规模网络上理想的路由方法必须同时具有较小的路由表和较短的路径.传统的最短路径路由算法只考虑优化路径,但是路由表需要维护到所有节点的路由信息,故路由表项数至少随网络规模线性增长,因此呈现较差的扩展性.针对基于图嵌入的可扩展路由进行了研究,提出将网络嵌入到由它的支撑图(spanner)导出的度量空间.利用真实网络普遍存在的小世界和无标度拓扑特征,提出了一种嵌入和路由方法——GEROUTE,它用源于高度节点的树形支撑图来构造嵌入,对节点分配较短的标记,使得节点在支撑图上的距离能够由标记推算出来,在节点标记定义的度量空间中使用贪心路由,而节点的路由表只需要存放邻居的标记.分析和仿真表明该路由方法在像Internet的这类图上能够取得比较理想的路由性能,与其他同类方法相比表现更好.

基于工作流网的成批处理工作流模型挖掘方法

针对现有过程挖掘技术在解决成批处理工作流模型挖掘问题上存在的不足,研究了相应的过程挖掘方法。利用系统事件日志中活动实例的输入输出、开始与结束时间等数据,通过引入成批处理特征等概念来发现成批处理区及隐含的事件记录,并结合现有过程挖掘方法来挖掘成批处理工作流模型。该方法充分利用现有过程挖掘方法的优越性能,解决了支持成批处理工作流系统中的模型自动构建问题。通过仿真实验验证了该方法的有效性。

成批处理工作流中数据流的管理与控制

为提高成批处理工作流执行的自动化程度,建立了可描述活动分组实例与活动分组执行实例间投影、合并、分发与拆分等数据交互操作的活动成批处理数据模型;通过在成批处理调度引擎中增加一个数据管理组件,并扩展引擎的调度控制算法,提出了一种对成批处理工作流中数据流进行管理与控制的机制,解决了原有引擎不能对数据流进行调度控制的问题。最后通过实例验证了所提方法的可行性。

基于工作流挖掘的活动成批处理区发现

针对支持成批处理的工作流系统在应用中的活动成批区设定问题,提出一种基于工作流挖掘的活动成批区发现方法.该方法首先利用现有工作流挖掘方法得到初始工作流模型.然后进行活动成批处理特征识别与成批处理区发现,从最终得到初始工作流模型中的活动成批处理区.具体算法过程及算法有效性通过对某公司处理共享租车的过程日志进行挖掘的实例进行了说明与实验验证.

基于事件日志的工作流活动实例方面处理规则挖掘方法

针对现有工作流挖掘技术在解决活动实例方面处理规则挖掘问题上存在的不足,通过分析实例方面处理的不同表现形式,提出了一种可从事件日志中挖掘出工作流活动实例方面处理规则的方法.该方法假设事件日志中包含了工作流活动在执行时的全部输入输出数据等信息,基于这些数据及推理规则,挖掘可描述并发活动实例在数据等方面的关联或约束关系的实例方面处理规则.

基于主题模型的Mashup标签推荐方法

Web 2.0时代,标签作为Web资源管理和检索的有效方式已成为近年的热点研究对象.开发者通常为新的Mashup人工指定若干与功能性相关的标签,以便于用户理解、检索以及实现Mashup资源的分类管理.然而,手动指定标签十分繁琐且费时,自动生成Mashup标签十分必要但缺乏有效方法.针对该问题,文中提出一种基于主题模型的方法进行Mashup标签的自动推荐.该方法首先建立Mashups与Web Application Programming Interfaces(APIs)的描述文档以及Mashups与APIs之间的组合关系模型,然后寻找与待推荐标签Mashup的描述文档主题分布相似的Web APIs,并将它们与该Mashup直接组合的APIs合并,采用一种带权重的PageRank算法,从中挑选出最重要的APIs,最后将它们已有标签推荐给该Mashup.同时,针对所提方法文中设计实现一种标签排序算法,该算法优先推荐那些与Mashup主题最相关的标签.根据使用从ProgrammableWeb收集的真实数据进行实验可知,文中所提出的方法明显优于其他自动化标签推荐方法.

QoS全局最优动态Web服务选择算法

Web服务作为一种新型的分布式计算模式近年来得到迅速的发展,来自不同服务提供商的服务可被整合以提供组合服务.QoS全局最优动态Web服务选择是服务组合中的一个难题.基于粒子群进化算法,设计一种用于解决该问题的PSO-GODSS算法.其主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题,通过理想点的方法将多目标向单目标转化,利用粒子群算法的智能优化原理进行算法设计及求解,最终产生一组满足约束条件的优化服务组合流程集.理论分析和实验结果表明该算法的可行性和有效性,且算法的执行效率和收敛速度优于以往的多目标遗传算法.

互联网可扩展路由

全球路由表的高速膨胀,使互联网路由系统的可扩展性面临着严峻的挑战.为了缩减路由表,很多研究提出了新的路由解决方案.在介绍了互联网路由系统现状之后,从较高层次上将存在的解决方案分为短期方案、路由架构和可扩展路由算法3部分.着重介绍了路由算法和路由架构这两类工作,对经典的可扩展路由算法和路由架构进行了深入的分析和比较.最后讨论了有待解决的关键问题和未来的研究方向.

用户位置感知的Web服务QoS预测方法

随着互联网上Web服务数量的增多,服务的QoS开始成为用户在选择服务时关注的焦点.为了有效获取服务的QoS信息以便向用户推荐高质量的服务,提出一种用户位置感知的Web服务QoS预测方法--UL-WSRec.利用一些QoS属性受用户位置影响的事实和同一个自治系统中的用户在位置上邻近的特点,根据自治系统来计算用户位置和划分相似用户.在传统的协同过滤算法基础上,利用用户位置信息提出了改进的算法,以提高服务QoS预测的效率和精度.基于真实Web服务数据的实验表明了该方法的有效性.

基于位移的滑坡临滑时刻多模型综合预测模糊积分方法

滑坡的发生具有不确定性。针对目前基于位移的滑坡临滑时刻预测模型的预测结果之间存在较大的差异且难以选择出适合某种类型滑坡的最佳模型的问题,利用模糊积分具有较好处理客观证据和主观期望的优势,选择7个已知滑坡,分别用基于位移的滑坡临滑时刻预测的Verhulst、Verhulst反函数和福囿模型进行预测实验。通过计算各预测模型的隶属度获得模型的模糊密度,实现基于模糊积分融合方法的多模型综合预测。实验表明:模糊积分方法提高了已知滑坡的预测精度,使每个滑坡的预报时刻均在实际发生的前15天以内。

考虑QoS属性相关性的Web服务选择

现有的Web服务选择方法通常假定偏好由用户给出.由于偏好的主观性和模糊性,用户通常无法用具体数字表达清楚自己的偏好.且QoS各维属性之间存在相关性,偏好加权的方法无法消除信息的重叠,导致服务综合QoS评价不准确.针对该问题,在Web服务选择框架中对QoS属性设置区间搜索以考虑用户的优先偏好,使得初选的服务满足用户的QoS约束.对初选的服务利用主成分分析的思想,提出一种可行的Web服务选择算法PCA-WSS,根据各主成分的贡献率进行加权,分离QoS各维属性之间存在的相关性,有效地评价服务的综合QoS,为用户选择综合QoS最优的服务.实验结果验证算法的有效性和可行性.

基于改进人工鱼群算法的机械故障聚类诊断方法

发展新的理论或方法快速准确地实现机械故障信号的聚类诊断是众多学者研究热点。由于人工鱼群优化算法具有结构简单,良好的并行性、快速性等特点,把人工鱼群优化算法引入机械故障诊断中。基于人工鱼群算法的基本原理提出了一种改进的人工鱼群追尾聚类算法,定义了相似度因子和聚类判别因子,建立了模拟人工鱼群追尾行为的机械故障聚类诊断模型,并将之应用于机械故障特征信息的聚类分析。实例分析表明了该方法的有效性。

地理信息志愿者信誉度评估的版本相似度模型——以面目标为例

针对自发地理信息中存在大量恶意、虚假、低质量数据,提出了一种基于版本相似度的VGI志愿者信誉度计算模型。该模型将每个志愿者对某个地理空间目标的一次编辑结果定义为一个版本,当其他用户编辑该目标版本时,通过计算版本相似度来获得其他用户对该志愿者这个目标版本的支持度;然后通过计算其他贡献者对某志愿者所贡献的每个目标的支持度,对所有目标的支持度进行加权平均获得该志愿者的综合信誉度。其中版本相似度综合目标空间和属性相似性的主要因素进行加权计算。然后以面目标为例阐述了本文志愿者信誉度计算过程。为了验证本文信誉度计算模型的合理性,笔者采用德国柏林OpenStreetMap数据进行试验,试验表明通过本文模型计算获得的用户信誉度与其贡献的要素质量总体上正相关。

考虑不确定QoS值的Web服务选择方法

随着Web服务的广泛应用,大量功能相似但Qo S(Quality of Service)不同的Web服务部署在Internet上.如何选择满足用户功能和Qo S需求的服务成为了服务计算领域亟待解决的问题.由于受到网络状态、负荷等因素的影响,Web服务的Qo S常常是动态变化的.已有基于Qo S的Web服务选择方法大多假设服务的Qo S是确定的,没有充分考虑到Qo S的动态变化特性,因此在实际中应用可能并不能选择令人满意的服务.提出一种支持不确定Qo S值的Web服务选择方法.该方法采用区间值描述服务的Qo S,先对服务的Qo S区间和用户Qo S需求进行归一化;再通过分析它们之间的关系,建立单个服务Qo S区间效益值的计算模型;最后建立服务的综合效益值计算模型,得到服务的综合Qo S评价.实验表明本文提出的服务选择方法能够很好地适应Qo S值不确定的情况,在选择满足用户Qo S需求的服务方面是可行和有效的.

安全与成本感知的实例密集型云工作流调度方法

针对现有实例密集型云工作流调度方法未考虑安全需求及未引入实例的不足,构建了相应的调度模型,并通过借鉴信任管理的思想,提出基于用户信任度的工作流实例方面处理策略以及一种安全与成本感知的实例密集型云工作流调度算法(SC-ICW)。该算法可在满足截止时间与安全需求约束的前提下优化执行成本,并减少实例方面处理可能引发的安全风险。通过仿真实验说明了该算法的有效性。

基于差异演化算法的QoS全局最优动态Web服务选择

QoS全局最优动态Web服务选择是服务组合中的一个难题。基于差异演化算法,设计一种用于解决该问题的DE-GODSS算法。算法的主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题,通过理想点的方法将多目标向单目标转化,然后利用差异演化算法的智能优化原理进行算法设计及求解,最终产生一组满足约束条件的优化服务组合流程集。理论分析证明DE-GODSS算法的时间复杂度优于已有的多目标遗传算法,且实验结果表明该算法的收敛速度优于已有的多目标遗传算法。