为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的服务质量(quality of service,QoS)组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,...为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的服务质量(quality of service,QoS)组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。展开更多
随着网络通信行业的迅速发展,出现了各种各样的数字移动终端,用户对服务质量的要求也不断提高,QoS (Quality of Service)应运而生。时延是QoS的指标之一,通过研究时延可以进一步分析网络的性能。基于排队论,主要研究单一业务到达时的系...随着网络通信行业的迅速发展,出现了各种各样的数字移动终端,用户对服务质量的要求也不断提高,QoS (Quality of Service)应运而生。时延是QoS的指标之一,通过研究时延可以进一步分析网络的性能。基于排队论,主要研究单一业务到达时的系统性能,建立单一服务器服务的排队系统,在建模中,主要考虑突发性业务,使用突发性到达MMOO过程作为系统的输入,将服务过程建立为ALOHA。利用新的理论方法——鞅论,指数上鞅能够准确描述突发性到达对网络性能的影响,在鞅域中构建服务鞅和到达鞅的结构,通过鞅的停时定理,推导系统的时延违反概率不等式建模出在鞅结构下的时延违反概率界,利用MATLAB统计比较不同的负载率对应的时延违反概率界,发现在突发型的业务到达时,时延界随着负载率的减小更加紧致更加趋于真实值。展开更多
“双碳规划”下电网面临形态和功能的集约升级,区域内节点化、模块化特征愈加突出,亟需研究一种计及节点特性的路由算法,来保障通信网支撑能力。首先,依托节点的电网影响度和拓扑关系定义了重要度参数。其次,从状态转移、自适应搜索收...“双碳规划”下电网面临形态和功能的集约升级,区域内节点化、模块化特征愈加突出,亟需研究一种计及节点特性的路由算法,来保障通信网支撑能力。首先,依托节点的电网影响度和拓扑关系定义了重要度参数。其次,从状态转移、自适应搜索收敛控制等方面将重要度嵌入策略模型,引导路由优化方向。然后,引进参数知识模型挖掘优化问题的相关知识,协同重要度指导后续优化过程,降低了蚁群系统的参数敏感性。最后,通过仿真证明在满足服务质量(quality of service,QoS)前提下,策略模型计及节点重要度的知识型路由能快速收敛,并提供了良好而稳定的主备用路由性能。展开更多
针对空间信息网络存在节点资源有限,且难以提供个性化的服务的问题.本文提出了一种自适应的多约束QoS(Quality of Services)路由算法.首先,利用SDN(Software-Defined Network)实时获取链路QoS参数的特性,提出了考虑了链路质量、剩余带...针对空间信息网络存在节点资源有限,且难以提供个性化的服务的问题.本文提出了一种自适应的多约束QoS(Quality of Services)路由算法.首先,利用SDN(Software-Defined Network)实时获取链路QoS参数的特性,提出了考虑了链路质量、剩余带宽和节点负载因素的传输代价模型,建立以路径最小代价为优化目标的多约束QoS路由模型,以最大化网络吞吐量.然后,为满足不同优先级数据流的QoS需求,利用Adam(Adaptive moment estimation)算法解决多约束模型阈值自适应问题.与传统的手动设置方式相比,能够更好地适应网络变化,提供更加个性化的服务质量.最后,通过改进的蚁群算法求解多约束优化问题,利用双禁忌表优化候选节点,根据SDN可编程特性讨论了信息素挥发系数取值问题,最终求得最优路径.数值结果表明,与相关方案相比,该方法在满足空间信息网络多优先级QoS需求的同时,在算法收敛速度和网络吞吐量、负载分布指数方面具有更好的性能.展开更多
网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端.随着服务数量的增多,为了向用户更好地推荐服务,如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service,QoS)成为一项挑战.本文提...网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端.随着服务数量的增多,为了向用户更好地推荐服务,如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service,QoS)成为一项挑战.本文提出一种基于服务负载实时预测QoS的深度神经模型(QPSL),它可以为边缘计算中的QoS预测提供缺少的负载状况感知和周期感知.首先,对服务的负载状况进行特征表示,并通过时序分解模块获取时序特征.其次,将CNN和BiLSTM结合,学习潜在的时序关系,生成不同时刻的状态向量.然后,基于Attention机制为历史时刻的状态向量分配权重,从而构造未来时刻的状态向量.最后,将上下文嵌入向量与状态向量送入感知层完成实时QoS预测.基于真实的融合数据集进行了大量的实验,结果表明QPSL在响应时间和吞吐量任务上的MAE分别平均提升了10.28%和10.87%,优于现有的时间感知QoS预测方法.展开更多
针对云制造服务组合问题中广泛存在的不确定性,研究了一种基于服务质量(Quality of Service, QoS)感知的云制造服务组合区间多目标优化方法。该方法采用区间数来描述QoS属性的不确定性,考虑相邻子任务间的联结关系,构建以服务时间、服...针对云制造服务组合问题中广泛存在的不确定性,研究了一种基于服务质量(Quality of Service, QoS)感知的云制造服务组合区间多目标优化方法。该方法采用区间数来描述QoS属性的不确定性,考虑相邻子任务间的联结关系,构建以服务时间、服务成本和评价质量等QoS属性为优化目标的服务组合区间多目标优化模型,以微型多目标遗传算法为框架,引入佳点集改善初始种群,利用区间非支配分级方法,实现了对云制造服务组合区间多目标优化问题的直接求解,其求解效率也在工程示例中得到了验证。展开更多
Web Service是目前研究界和产业界广泛关注的技术之一.随着Web Service的广泛应用,研究者们普遍认识到,服务的非功能属性,即服务质量(Quality of Service,QoS)是面向服务的应用能否成功的关键因素之一.因此,研究者们尝试从多个角度对Qo...Web Service是目前研究界和产业界广泛关注的技术之一.随着Web Service的广泛应用,研究者们普遍认识到,服务的非功能属性,即服务质量(Quality of Service,QoS)是面向服务的应用能否成功的关键因素之一.因此,研究者们尝试从多个角度对QoS相关问题展开了研究.然而,现有工作普遍关注基于QoS的动态服务选择和组装等上层应用技术,而对于如何获取、存储、度量QoS等基础支持技术研究较少,而这些基础性工作对QoS相关的研究工作具有显著的重要性.此外,不同应用领域对Web Service QoS的需求不尽相同,因此,需要有一套灵活的机制支持在QoS模型定义、QoS度量方法、QoS信息采集等方面体现出的领域特性.针对这个问题,文中提出了一个可扩展的Web Service QoS信息管理框架,详细分析了该框架涉及到的重要方法与核心技术,并给出了该框架在北京大学软件构件库系统中的设计决策和方案.最后,介绍了文中框架在一个863计划项目中的应用实例,该实例展示了用户根据其应用的领域需求对本框架进行扩展并进行Web Service QoS管理的方法,从而验证了本管理框架的可扩展性及实用性.展开更多
文摘为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的服务质量(quality of service,QoS)组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。
文摘随着网络通信行业的迅速发展,出现了各种各样的数字移动终端,用户对服务质量的要求也不断提高,QoS (Quality of Service)应运而生。时延是QoS的指标之一,通过研究时延可以进一步分析网络的性能。基于排队论,主要研究单一业务到达时的系统性能,建立单一服务器服务的排队系统,在建模中,主要考虑突发性业务,使用突发性到达MMOO过程作为系统的输入,将服务过程建立为ALOHA。利用新的理论方法——鞅论,指数上鞅能够准确描述突发性到达对网络性能的影响,在鞅域中构建服务鞅和到达鞅的结构,通过鞅的停时定理,推导系统的时延违反概率不等式建模出在鞅结构下的时延违反概率界,利用MATLAB统计比较不同的负载率对应的时延违反概率界,发现在突发型的业务到达时,时延界随着负载率的减小更加紧致更加趋于真实值。
文摘“双碳规划”下电网面临形态和功能的集约升级,区域内节点化、模块化特征愈加突出,亟需研究一种计及节点特性的路由算法,来保障通信网支撑能力。首先,依托节点的电网影响度和拓扑关系定义了重要度参数。其次,从状态转移、自适应搜索收敛控制等方面将重要度嵌入策略模型,引导路由优化方向。然后,引进参数知识模型挖掘优化问题的相关知识,协同重要度指导后续优化过程,降低了蚁群系统的参数敏感性。最后,通过仿真证明在满足服务质量(quality of service,QoS)前提下,策略模型计及节点重要度的知识型路由能快速收敛,并提供了良好而稳定的主备用路由性能。
文摘针对空间信息网络存在节点资源有限,且难以提供个性化的服务的问题.本文提出了一种自适应的多约束QoS(Quality of Services)路由算法.首先,利用SDN(Software-Defined Network)实时获取链路QoS参数的特性,提出了考虑了链路质量、剩余带宽和节点负载因素的传输代价模型,建立以路径最小代价为优化目标的多约束QoS路由模型,以最大化网络吞吐量.然后,为满足不同优先级数据流的QoS需求,利用Adam(Adaptive moment estimation)算法解决多约束模型阈值自适应问题.与传统的手动设置方式相比,能够更好地适应网络变化,提供更加个性化的服务质量.最后,通过改进的蚁群算法求解多约束优化问题,利用双禁忌表优化候选节点,根据SDN可编程特性讨论了信息素挥发系数取值问题,最终求得最优路径.数值结果表明,与相关方案相比,该方法在满足空间信息网络多优先级QoS需求的同时,在算法收敛速度和网络吞吐量、负载分布指数方面具有更好的性能.
文摘网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端.随着服务数量的增多,为了向用户更好地推荐服务,如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service,QoS)成为一项挑战.本文提出一种基于服务负载实时预测QoS的深度神经模型(QPSL),它可以为边缘计算中的QoS预测提供缺少的负载状况感知和周期感知.首先,对服务的负载状况进行特征表示,并通过时序分解模块获取时序特征.其次,将CNN和BiLSTM结合,学习潜在的时序关系,生成不同时刻的状态向量.然后,基于Attention机制为历史时刻的状态向量分配权重,从而构造未来时刻的状态向量.最后,将上下文嵌入向量与状态向量送入感知层完成实时QoS预测.基于真实的融合数据集进行了大量的实验,结果表明QPSL在响应时间和吞吐量任务上的MAE分别平均提升了10.28%和10.87%,优于现有的时间感知QoS预测方法.
文摘针对云制造服务组合问题中广泛存在的不确定性,研究了一种基于服务质量(Quality of Service, QoS)感知的云制造服务组合区间多目标优化方法。该方法采用区间数来描述QoS属性的不确定性,考虑相邻子任务间的联结关系,构建以服务时间、服务成本和评价质量等QoS属性为优化目标的服务组合区间多目标优化模型,以微型多目标遗传算法为框架,引入佳点集改善初始种群,利用区间非支配分级方法,实现了对云制造服务组合区间多目标优化问题的直接求解,其求解效率也在工程示例中得到了验证。
文摘Web Service是目前研究界和产业界广泛关注的技术之一.随着Web Service的广泛应用,研究者们普遍认识到,服务的非功能属性,即服务质量(Quality of Service,QoS)是面向服务的应用能否成功的关键因素之一.因此,研究者们尝试从多个角度对QoS相关问题展开了研究.然而,现有工作普遍关注基于QoS的动态服务选择和组装等上层应用技术,而对于如何获取、存储、度量QoS等基础支持技术研究较少,而这些基础性工作对QoS相关的研究工作具有显著的重要性.此外,不同应用领域对Web Service QoS的需求不尽相同,因此,需要有一套灵活的机制支持在QoS模型定义、QoS度量方法、QoS信息采集等方面体现出的领域特性.针对这个问题,文中提出了一个可扩展的Web Service QoS信息管理框架,详细分析了该框架涉及到的重要方法与核心技术,并给出了该框架在北京大学软件构件库系统中的设计决策和方案.最后,介绍了文中框架在一个863计划项目中的应用实例,该实例展示了用户根据其应用的领域需求对本框架进行扩展并进行Web Service QoS管理的方法,从而验证了本管理框架的可扩展性及实用性.