面向云服务器信息化管理的混合聚类算法研究

为了解决云服务器聚类中出现的非线性问题,本文提出结合模糊C均值算法形成服务器聚类算法,并加入改进果蝇优化算法克服GRNN收敛速度慢和易陷入极小值问题,而且云平台收集23项性能指标,将FCM算法输出结果经过邻域粗糙集算法分析挑选特征,避免维数灾难问题。本文提出的算法相比于已有的研究成果,速度上分别加快了1.43、3.22和3.72倍;收敛步数方面,也分别缩减了1.61、5和6倍,并且在运行算法时,计算机的内存和cpu占用率都控制在50%左右,不影响正常功能。而且云平台的任务调度更加均衡,侧面证明算法聚类效果的准确性。

考虑剔除虚假云服务的制造云服务优选

随着云制造服务模式的兴起,云池中存在大量云服务并掺杂有虚假的云服务,恶意竞争的虚假云服务伤害了云服务提供商的权益,云用户也很难判别真实且优良的云服务。针对该问题,提出基于蒙特卡洛模拟估计的超体积算法来识别和剔除虚假云服务。在剔除虚假云服务的基础上,提出面向云服务可信度评估的基于遗传算法的模糊c均值聚类算法对云服务聚类并进行可信度评估,利用由层次分析法和熵值法构成的制造云服务组合赋权综合评价法,根据可信度等级结合综合评价值对云服务进行优选。以某工程机械交易云平台作为研究对象,验证了所提算法的有效性,算法能有效识别虚假云服务,确定云服务的优先顺序,并选出最佳的云服务。