基于资源权重最大资源利用率的动态资源调度算法

对于在云环境下虚拟机放置问题,资源调度管理是其中一项关键技术,提出了一种基于最大综合利用率为标准的动态资源调度算法。该算法充分考虑云系统中计算资源权重比,利用基于权重的最大资源利用率的算法进行虚拟机配置。仿真实验结果证明,该算法可以实现有效负载均衡,并能有效提高系统的综合利用率。

基于动态资源权重的多技能项目调度启发式算法

多技能资源受限项目调度问题中,一个资源可同时具备多项技能,相较于传统的单技能项目调度,其资源分配对调度计划的工期影响程度更大,因此在对多技能项目进行排程时更加重视资源的分配.基于此,从资源视角提出一种启发式算法求解工期最短的调度计划.算法以并行调度为主体,并设计一种动态资源权重计算方法,在每一决策点,首先采用二分图最大匹配法确定当前可排活动集,而后将动态资源权重值作为调度过程中资源分配的依据,其核心思想是将资源灵活度高、对后续活动影响大的资源留置,以待下一决策点调用.最后,为验证算法有效性,对不同参数设置下的算例进行实验,结果表明,相较于随机资源分配算法和静态资源权重算法,新算法具有明显优势.

异构云计算体系结构及其多资源联合公平分配策略

资源分配策略是当前云计算研究领域中的一个重要研究热点,异构云计算体系结构下的复杂应用问题研究中,最基本的问题在于如何将总体有限的资源分配给多个租户或应用,以达到效率或收效最大化.但是,在经典的资源分配问题中,任务或者用户往往是"贪婪"的;因此,在总体资源有限的前提下,资源分配的公平性就显得尤为重要.为了满足不同的任务需求,达到多种资源分配的公平性,设计了一个虚拟化的异构云计算体系结构,提出了该体系结构下基于占优资源的多资源联合公平分配算法(maximizing multi-resource fairness based on dominant resource,MDRF),并且证明了算法的帕累托等相关属性;给出了占优资源熵(dominant resource entropy,DRE)和占优资源权重(dominant resource weight,DRW)的定义,占优资源熵更加精确地刻画了用户资源请求与任务所调度到的服务器资源之间的适应程度,使系统的自适应能力更强同时提高了资源利用率.占优资源权重保障了用户优先获取资源的优先次序,协同所采用保障公平性的Max-Min Fairness策略,使资源的分配更加有序.实验表明,我们的策略有更高的系统资源利用率,并且使需求与供给更加匹配,进而使用户的占优资源获取更多,提高了服务质量.

面向医院手术排程的智能规划算法研究

文中应用调度理论模型研究了医院手术调度问题。将手术病人视为等待处理的工作,相关的手术医生、麻醉师、护士和手术设备视为同时处理工作所需的机器,手术排程转化为由多台机器处理的并行机器排程问题。采用两阶段方法来求解调度问题,并开发了计算机化的手术调度系统来处理该任务。将该系统应用于常州市第二人民医院,结果表明,与传统的人工排程相比,每月平均完成手术量增加了10.33%,昂贵设备利用率提高了9.66%,患者满意度提高了1.12%,患者平均等待手术的时间缩短了0.46天。

适应用户兴趣变化的协同过滤推荐算法

协同过滤算法是至今为止最成功的个性化推荐技术之一,被应用到很多领域中.但传统协同过滤算法不能及时反映用户的兴趣变化.针对这个问题,提出两种改进度量:基于时间的数据权重和基于资源相似度的数据权重,在此基础上将它们有机结合,并将这两种权重引入基于资源的协同过滤算法的生成推荐过程中.实验表明,改进后的算法比传统协同过滤算法在推荐准确度上有明显提高.

基于云相似度的B2B供应商个性化推荐算法

为满足B2B电子商务平台下供应商选择个性化服务需求,引入云模型中云的相似性度量算法和基于资源相似度的数据权重,对基于项目的协同过滤推荐算法进行改进,并用于供应商推荐过程中。实验表明,改进后的算法可以在一定程度上解决数据稀疏性问题并及时反映用户兴趣变化,从而实现个性化推荐服务,帮助企业快速有效开发供应商伙伴关系,提高企业的生产效率和竞争力。