基于云联盟协同机制的利益优化方法

针对云服务资源区域间分布不均衡的现状而导致的资源利用率不高、服务不便等问题,结合考虑云服务商和顾客作为服务资源供需双方的利益诉求,提出一种基于云联盟的服务协同调度模型。首先,以云服务商利润和顾客等待时间为导向,使用排队论对二者进行建模,在此基础上量化分析了云联盟中的服务需求调度对二者造成的影响。其次,在服务需求调度策略的构建中进一步引入普通顾客需求和紧急顾客需求的思想,并针对两类需求的差异性分别进行了建模和分析。最后,利用深度强化学习(Deep Q-learning)算法对服务资源协同调度模型进行优化求解和模拟仿真,仿真结果验证了所提方法的有效性,在推动服务资源的流通和共享的基础上同时保障了云服务商和顾客的利益诉求。

响应面分析法在相似模拟试验配比中的应用

为研究响应面分析法在相似模拟试验配比中的可行性,以含砂量、水泥掺量和石膏用量3种因素进行相似模拟单因素试验,并通过Design-Exper.V8.0.6软件对试验数据进行回归拟合,得到最优化的试验配比方案,最后对抗压强度的最优方案进行验证分析。试验结果表明:试验所得到的抗压强度与理论数据相差1.22%,与理论预测相差不大,说明响应面分析法设计的相似模拟试验具有较高的拟合性与准确性,即响应面分析法可应用于相似模拟试验配比中。