基于代价削减的移动机器人快速路径规划方法

针对移动机器人探测环境的建模,基于栅格空间的扩展方式,提出了DEM可通行范围获取以及通行代价的计算方法;在D*Lite算法基础上加入可视检测,定义了将点和点之间逻辑相邻的关系,做到对每个节点的代价削减;此外,对启发函数对路径搜索产生的影响进行了分析,并在VC环境下进行了仿真;从仿真实验结果来看,启发函数的选取对搜索的效率和最优性有较大的影响。

一种面向云资源调度的热点迁移策略

在云环境下的大数据中心,虚拟机数目和虚拟机的负载会随用户和应用的需求而经常变化,虚拟机需要进行动态资源调整,及时移除系统中的热点资源,从而达到整个系统的负载均衡。现有的方法主要采用启发式算法计算迁移调节方案,选择CPU、内存、网络等资源的混合负载最小的机器作为迁移对象。此类方法由于没有区分资源类型,可能会导致从物理机上迁移了单一资源负载高而其他资源负载低的虚拟机。提出了一种云环境下,面向云资源调度的热点迁移方法,其特点是通过判断物理机上所承载虚拟机的CPU或内存各自的容量总和,来判断是否有热点发生,并根据对热点虚拟机迁移代价进行计算的结果来选择合适的目标物理机进行迁移。该方法可以区分不同资源种类的热点,能快速准确地找到热点虚拟机,并保证在迁移过程中代价最小,避免误迁移。