一种基于M/M/n模型的虚拟机调度策略

基于排队论中的M/M/n理论对云计算系统进行建模,并提出了相应的M/M/n虚拟机调度策略,该策略能动态地进行虚拟机调度,同时又能在保证任务完成率的情况下降低系统能耗.实验表明,M/M/n调度策略综合性能优于传统调度策略和基于启发式算法的调度策略.

基于松弛预留策略的连续双向拍卖模型

针对网格资源的松弛预留问题,提出一种改进的连续双向拍卖模型。在网格资源定价策略中,引入松弛时间保证更高的任务预留接纳率。在用户出价和要价策略中,买方通过剩余时间和剩余资源量出价,卖方根据负载情况要价。仿真实验结果表明,对于具有费用约束的网格任务,该模型能增加约21%的资源总收益,提高约15%的资源利用率。

利用改进萤火虫算法求解0-1背包问题

针对目前在求解经典0-1背包问题时已有算法的不足,运用改进的萤火虫算法对该问题进行求解。引入贪心策略修正萤火虫算法的不可行解,提出一种变异策略,增加萤火虫算法的种群多样性。通过对3个不同规模的算例进行测试,实验结果表明改进的萤火虫算法有效;通过和目前已有算法的求解结果进行比较,改进萤火虫算法具有较好的高效性和稳定性。

基于Hadoop平台的任务调度方案分析

信息社会是数据爆炸的时代,分布式并行计算在应对海量数据处理等大作业方面非常有效.Apache基金会下的Hadoop正是这样一个开源的分布式系统基础构架.首先介绍了Hadoop平台下作业的分布式运行机制,然后对Hadoop平台自带的3种任务调度器做分析和比较,最后在分析JobTracker类文件的基础上指出了创建自定义任务调度器所需完成的工作.

CPU资源管理在视频监控系统中的应用研究

针对通用操作系统不能满足视频监控服务质量的要求,设计开发一种基于QoS的CPU资源管理系统.该系统对传统的CPU调度算法进行改进,提出了分时EDF算法和综合RM算法.根据视频监控中任务的不同,系统分别调用此两类算法.最后在Windows XP上实现了该资源管理系统.实验表明,使用该系统后,CPU的利用率可达到90%以上,较好地提高了视频监控服务质量.

从本科教育合理增负谈《计算机组成原理》理论课程教学改革

针对《计算机组成原理》课程教学内容陈旧繁杂、教学方法及考核方法单一的现状,以教育部要求的本科教育合理增负为指导,在分析了本课程教学现状的基础上,给出了课程改革的新措施,并在课堂教学中进行了实践。通过改革前后教学成果的比较,新措施虽然稍微增加了学生的学习负担,但有效地改善了教学效果。

一种基于多阶段PSO的多目标工作流调度算法

基于启发式算法的工作流调度算法目标单一,无法保证用户满意度,且多目标调度算法少、性能差。为了改善现状,提出基于多阶段PSO的多目标工作流调度算法MSPSO,分析工作流任务的层次结构,按层次进行多阶段PSO调度,结合排队理论估算每阶段调度需要的虚拟机数量,控制PSO搜索空间,使算法能快速找到最优解。用4种真实科学工作流在CloudSim环境下进行仿真实验。结果表明,MSPSO算法资源利用率提高了1.81%,能耗降低了9.16%,任务违约率低至0.075%。MSPSO调度算法不仅能动态增减虚拟机,降低能耗,还能在保证截止时间的前提下降低任务违约率,提高资源利用率。

基于Cocos2D-x引擎的手游设计与开发

当今的社会已经进入到移动互联网的时代,随着移动终端尤其是手机的迅速普及,游戏从PC端向手机端发展的趋势日益明显.该文基于Cocos2D-x引擎技术,研究其在IOS系统平台下的设计与开发,同时使用Eclipse、OpenGL ES等工具进行封装保存数据,对于在IOS下开发游戏具有较好的实际应用效果.

知识图谱嵌入模型中的损失函数研究综述

表达方式丰富直观的知识图谱得到了大量学者的关注。在知识图谱嵌入方面已积累了大量研究,其成果在电商、金融、医药、交通、智能问答等领域发挥了重要的作用。其中,损失函数在知识图谱嵌入模型的训练阶段起到了非常关键的作用。在现有知识图谱嵌入研究的基础上,根据基础损失函数把模型中使用的损失函数梳理为合页损失、逻辑回归损失、交叉熵损失、对数似然损失、负采样损失和均方误差损失六大类,并逐类详细分析了损失函数的原型公式、物理含义和其在知识图谱嵌入模型中的扩展、演变及应用。在此基础上,对静态和动态两大知识图谱场景中各种损失函数的使用情况、效率和收敛性进行了综合分析评价;根据分析结果,结合知识图谱的发展应用趋势和损失函数现状,对损失函数的未来研究方向进行了探讨。

电子战领域知识图谱系统设计与实现方法研究

随着电子战在现代战争中地位的逐步上升,电子战技术手段和作战样式的研究越来越重要。相关技术的不断革新和数据资源的爆炸式增长,为电子战领域的研究带来了前所未有的机遇和挑战。面对价值密度低、规模巨大的领域数据资源,传统的研究手段效率较低,难以从中充分挖掘出有价值的领域知识,如何提高研究效率、充分利用庞大的信息资源,是电子战研究需要解决的问题。近年来,迅速兴起并广泛用于各个领域的知识图谱为这一问题提供了解决方案,想要快速构建能够适应业务需求的电子战领域知识图谱,就需要开发能够提供知识图谱构建及应用全流程业务服务的系统,以规范统一构建流程和数据交换接口。系统的实现应当结合电子战领域数据资源特点和垂直领域知识图谱构建方法,深入分析系统建设需求,设计系统总体架构、功能模块和数据模型,研究系统关键技术和实现方法,并探索电子战领域知识图谱在具体业务场景中的应用。通过测试数据的验证,系统能够较好完成电子战领域知识图谱的构建、可视化及知识应用等任务。

面向知识图谱构建的电子战领域语料库建设

语料库构建是领域知识图谱构建的基础步骤和关键环节,高质量的语料能够提高知识抽取和知识推理等任务的准确率和置信度。目前,电子战领域尚无公开的语料库,这也成为了电子战领域知识图谱构建的难题之一。鉴于此,提出了一种基于领域本体的电子战领域语料库构建方法。试验结果表明,该方法可较好完成语料库构建工作,有助于电子战领域的知识体系梳理及语料库建设,可为电子战领域知识图谱构建提供支撑。

基于全局属性注意力神经过程模型的数据补全研究

注意力神经过程(Attentive Neural Process, ANP)模型采用生成模型的方法,以样本的任意局部上下文点为输入,输出整个样本的分布函数,从而模仿高斯过程回归完成数据补全任务。样本的属性信息可以为样本的生成提供重要信息,然而ANP模型忽略了对属性信息的使用。受条件变分自动编码机(CVAE)模型以标签为条件控制样本生成的启发,文中提出了全局属性注意力神经过程(Global-attribute Attentive Neural Process, GANP),将样本属性嵌入到编码器网络,从而使浅层变量隐含样本属性信息。同时,在解码器网络中加入样本属性作为特征,使模型的生成样本更为准确,特别是当输入上下文点数量稀少时,属性信息能够帮助模型生成更清晰、准确的样本。最后,从定性和定量两个方面证明了GANP性能的优越性,可以看出该模型扩展了NP家族模型的应用范围,从而更灵活、快速、准确地解决只有部分上下文信息时整个样本的数据补全问题。