基于强化学习的边缘计算智能电网资源调度算法

智能电网是一种能够进行智能管理和优化的电力网络。网络虚拟化技术可以有效提高智能电网的资源利用率和可靠性,从而满足不同用户的差异化需求。在资源有限的情况下,传统的虚拟网络嵌入算法无法根据电力系统的资源使用情况和用户需求来动态调整虚拟资源的分配和映射。为解决这一问题,将边缘计算和虚拟化技术相结合,引入了一种基于强化学习的虚拟网络资源调度算法。仿真结果表明,该虚拟网络资源调度算法在提高电网的可靠性和资源利用率方面优于其他3种调度算法。

云环境中Bag-of-tasks应用的多核虚拟计算资源分配机制研究

云计算环境为用户提供了大量弹性可扩展的基础设施资源,用户可以按需购买和支付服务.如果云平台能够自动分配给一批任务合理规模的计算资源,将会方便用户使用并且较大节省用户服务成本.本文在瀚海星云云计算平台上构建了一个软件应用服务层,提供Bag-of-tasks(BoT)应用公共服务.根据历史信息通过回归方法和BP神经网络方法对BoT中的子任务进行执行时间预测.然后使用最大并发度概念,在虚拟机内存是否满足任务情况下,提出了VMA,NP-IO和NP-DP三种算法.最后,使用图片分割软件作为BoT应用,从资源分配情况、任务完成率和算法时间复杂度方面验证了算法的有效性.

网格市场中服务质量驱动下的任务调度算法

针对资源提供方不能完成用户所有任务的情况,提出一种服务质量驱动下的任务调度算法,即预算和截止时间限制下的最大任务完成数调度算法(DBCN).这种批调度算法结合了Min-min算法吞吐量较高和线性规划全局优化的优点,不仅考虑了用户的所有任务,同时还考虑了优先级较高的任务.实验结果表明,该算法在任务完成总数方面比经典算法Min-min和DBCT分别提高了约10.6%和22.0%,在优先级高的任务完成总数方面也有大幅度提高,分别约为20%和40%.

雪花结构:一种新型数据中心网络结构

该文分析了传统数据中心的不足以及新型数据中心具备的新特点，借鉴已有数据中心结构，依据著名的科赫曲线（Koch curve），提出了新型数据中心网络结构一雪花结构．该结构充分考虑了数据中心的可扩展性，在保证交换机与服务器较低数量比例（0．125～0．333）的前提下，可以在较短的平均路径内实现节点间路由机制，具有较小的网络开销．

融合注意力机制与全局特征网络的行人重识别算法研究

行人重识别是近年来计算机视觉领域的研究热点,已被广泛应用在智能视频监控、安保系统等多个领域。但在实际应用场景中,图像数据会受到摄像机差异、物体遮挡、行人姿态视角改变等因素的影响,因此,克服以上问题成为了当前行人重识别研究所关注的重点问题。对于行人重识别方法在面对遮挡和复杂背景应用场景下的干扰信息影响精度的问题,提出了引入空间注意力机制,对拓扑关系遮挡行人重识别算法的全局特征提取网络进行改进,将基于空间注意力的特征提取网络与拓扑关系遮挡行人重识别算法中的作为Backbone网络的RestNet50进行优化改进。在公开的Occluded-Duke数据集和Market-1501数据集上进行测试,实验结果显示改进算法的评价指标有明显提升。

机房温湿度分析PCA方法研究

机房的设备和机房环境有着非常密切的关系,特别是温湿度环境。如控制不当,容易造成机房温度过低、湿度过高、耗能过大,甚至影响设备的运行及使用寿命等。现利用主成分分析(PCA)方法建立温湿度变化模型,分析研究机房温湿度变化趋势。

灾备端数据库读写分离技术研究

Golden Gate和Active DataGuard都是Oracle公司的产品,Golden Gate能够实现与生产数据库亚秒级的数据同步,同时可实现两端数据的同时写入;Active DataGuard技术不仅仅能够实现数据的实时同步,还能够提供实时的数据查询和报表业务等。因此,将Golden Gate和Active DataGuard技术结合不仅能够实现生产数据的容灾,还能够实现灾备端数据库读写分离,提高系统整体的业务处理能力,同时充分利用备份端的计算能力,减少投入成本。

一种面向边缘环境的多实例服务链在线部署算法

边缘设备的资源有限性促使部署边缘服务需要深入理解网络功能的资源消耗情况。通过无线路由器上容器化网络功能部署实验得出,除了处理业务流的计算开销外,网络功能实例间的通信也会消耗大量CPU资源。基于该发现,考虑在近距离和相对低负载的对等边缘设备上分布式地部署网络功能实例,在满足时延约束的条件下均衡流量,从而最小化边缘设备负载。为此,提出细粒度服务链负载模型,并在此基础上设计实现了一种面向边缘环境的多实例服务链在线部署算法。该算法包括基于剪枝搜索策略的时延满足路径搜索、基于嵌套Top K策略的部署路径选择和基于贪心策略的网络功能部署3个组成部分。仿真实验验证了该算法的有效性。实验结果表明,相比不考虑通信开销的网络功能链部署,该算法可以降低10%边缘设备CPU负载,接近理论最优部署结果。

基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.

基于流量预测的电力通信网流量均衡管理系统

为了减少电力通信网络运维故障,文章设计实现了基于流量预测的电力通信网流量均衡管理系统,系统包含采集监控、流量分析和决策辅助3个应用模块,主要应用于配用电网络。提出了包含链路负载映射、流量趋势分析、链路分流管理、计算全网负载均衡度和修正链路负载阈值5个流程的流量管理方法,为电力通信网进行流量均衡管理提供了理论基础。基于数据分析技术,通过对通信节点数据、通信链路数据、通信系统运维数据和外部数据的全面分析,实现了对电力通信网络流量态势的全面感知和对流量通道拥堵风险的及时处理,实现了智能辅助用户决策。

冷少农烈士家书

冷少农,贵州省瓮安县人。1913年就读于县高等小学堂,1917年考入贵州省立法政专门学校法律本科第三期学习。1923年任职于贵阳《民意日报》编辑部、省筹饷局。后在任贵州开阳印花税督催员时,绝然弃职返乡,寻机参加革命。

保护妇女权益理念在司法实务中的运用

保护妇女权益理念在家事审判领域正逐渐成为法官说理裁判的重要依据。在离婚诉讼中,双方当事人主要围绕着子女抚养权以及财产权分割主张举证,考虑到妇女在个案中的弱势地位、经济状况,法官往往会根据“照顾女方”的原则进行裁判。通过总结四川省146份关于“照顾女方”的民事判决,对法官在抚养权和财产权方面照顾女方的裁判思路进行总结提炼,提出了在婚姻家事领域保障妇女权益的见解和思考。

基于密度聚类算法的电力通信监测分析

为解决传统基于密度的噪声应用空间聚类(DBSCAN)算法对输入参数设置敏感,以及传统的边缘计算框架计算成本高、计算时间过长等问题,创新性地提出了一种单遍权重K-means(SPWK)聚类算法。构建了电力通信网络故障及入侵监测模型,并将深度强化学习技术与边缘计算相结合,以降低计算成本和计算时长。仿真试验结果表明:SPWK聚类算法的迭代次数更少,平均执行时间以及总聚类时间分别低于其他算法67.5%、37.5%,加速比高出76.4%以上,聚类效率更高;边缘计算优化方法的服务器占用时间以及计算等待时间分别低于其他算法70.4%以上和79.2%以上,性能更优;电力通信监测模型对异常数据的平均识别准确率高出其他算法23.86%以上,入侵检测率高出其他算法4.8%以上,误报率降低65.4%以上,具备优异的检测性能。综上所述,所提故障及入侵监测模型以及边缘计算优化方法的性能均优于其他流行方法,适合在电力通信监测研究中推广使用。

OpenStack云计算平台安全解析

随着互联网行业的不断发展,将大量计算资源整合然后依据用户需要动态分配资源的云计算平台正在迅速崛起。Open Stack作为开源的云计算平台项目,正在被越来越多的用户关注使用,安全问题仍然是云计算广泛应用的最大障碍及挑战之一。本文就Open Stack实际部署应用中的安全机制进行剖析,并探讨解决方案。

基于Prophet-DeepAR模型的Web流量预测

Web流量预测一直是数据中心网络的热点问题,对于提高网络服务质量具有重要意义。由于Web流量具有非线性、自相关性和周期性等复杂特点,对其准确预测有很大的挑战性。为充分挖掘出Web流量的可预测信息,同时使预测模型具有充分的可解释性和可配置性,本文提出一种基于Prophet和深度自回归(DeepAR)的组合预测模型。其中,Prophet是基于时序分解的加性模型,对Web流量的趋势、季节性周期、节假日信息进行建模。同时,使用基于概率预测的DeepAR模型对Prophet残差隐含的自回归信息建模,捕获长短期依赖关系,以减低Prophet残差的方差,并充分捕获Web流量的自回归信息。在真实的Web流量数据集上进行验证实验,结果表明在RMSE和MAE两项评价指标上均优于对比模型,验证了该组合模型的有效性。

一种集成片段信息的结构化输入程序模糊测试方法

最近提出的Zest方法可以解决一般的模糊测试方法生成输入无法通过结构化输入程序检查的问题,但是它并不能像流行的基于覆盖率引导的模糊测试系统(如AFL)一样充分利用现有的输入用例来提高测试的覆盖率。文章提出一种集成片段信息的结构化输入程序模糊测试方法Zestlet,采用片段生成器从输入用例种子集中获取片段信息,然后通过集成片段信息的参数化生成器在模糊测试时生成输入。通过测试Apache Ant、Maven和Tomcat,发现Zestlet与Zest相比总覆盖率和有效覆盖率有明显提高,而实现同样的覆盖率所需时间可减少69%~99%。

基于联合动态剪枝的深度神经网络压缩算法

作为模型压缩的一个分支,网络剪枝算法通过移除深度神经网络中不重要的参数来降低计算消耗;然而,永久性的剪枝会导致模型容量不可逆转的损失。针对该问题,提出了一种联合动态剪枝的算法来综合分析卷积核与输入图像的特征。一方面,将部分卷积核置零,并允许其在训练过程中更新,直到网络收敛之后再永久性移除被置零的卷积核。另一方面,采样输入图像的特征,然后利用通道重要性预测网络对这些特征进行分析,从而确定卷积运算中可以跳过的通道。基于M-Cifar Net与VGG16的实验结果表明,联合动态剪枝分别取得了2.11和1.99的浮点运算压缩比,而与基准模型(M-Cifar Net、VGG16)相比准确率仅分别下降不到0.8个百分点和1.2个百分点。相较于现有的网络剪枝算法,联合动态剪枝有效地减少了模型的浮点运算次数(FLOPs)以及参数规模,在同样的压缩比下获得了更高的准确率。

面向视频分析任务的边缘云资源分配策略

为保证电力物联网视频分析类业务的实时性,业界通常将基于神经网络的智能应用部署于边缘设备。由于电力物联网边缘设备资源有限,当系统中存在多个视频分析任务时,需合理分配资源,以期在满足输出精度的要求下尽可能降低任务处理时延。文章深入分析了视频分析任务在电力物联网中的运行特征,考虑了任务之间的依赖,探究了输出精度与时延的关系。引入李雅普诺夫优化框架,为视频分析构建一系列相互关联的在线决策问题,并设计了基于交叉熵的资源分配策略,使得在系统长期运行过程中,任务处理的总体完成时延近似于最佳。实验结果表明,与通用调度方法相比,文章提出的资源配置策略能够将性能提高40%。

云计算中运营商效益最优的资源分配机制

针对传统的虚拟机调度方法中虚拟机申请时,调用相应负载均衡算法将虚拟机调度到相应的物理服务器上,不能达到整体效益最优的问题,提出了一种实时满足运营商资源最高效益的动态调度方法.每次新加入用户时,新加入的用户资源和先前分配的资源一起重新在所有服务器上规划,进行全局虚拟机调度,迁移那些能给系统带来足够效益部分虚拟机,完成全局最优的虚拟机部署.该方法对云中资源进行了合理的高效益规划,大大节约运营商成本,提高了云中资源利用率,降低了能耗.

分布式文件系统K-DFS的设计与实现

设计并实现了一个可应用于CNGrid(中国国家网格)的分布式文件系统——K-DFS(Keda分布文件系统),该系统可以管理大量的存储节点并同时向多用户提供远程文件访问服务.K-DFS通过跟踪器的监控和管理,有效地解决了多存储节点的访问和同步问题,并实现了负载均衡的功能,避免数据集中于少量存储服务器中.通过副本冗余存储技术,K-DFS保障了远程文件的安全性,有效防止了由于存储节点宕机导致的文件丢失问题.同时,K-DFS具有良好的可扩展性,可以动态地增加存储节点,支持Windows和Linux平台的多种应用,特别适合各种以文件为载体的网络服务.