共查询到20条相似文献，搜索用时 197 毫秒
1.
《科技通报》2015,(12)
实行虚拟机最优分配方案的准确挖掘能够提高云计算的服务质量(Qo S)。利用传统算法进行虚拟机最优分配方案挖掘的过程中,由于受到大量冗余数据的影响,造成挖掘效率降低。为此,提出一种基于蚁群算法的面向多通道Qo S需求的虚拟机分簇挖掘方法。根据虚拟机特征的相似度对虚拟机进行分簇,利用蚁群算法进行虚拟机最优分配方案的挖掘,在此过程中,充分考虑了多用户对云计算中虚拟机资源服务质量(Qo S)的要求,避免出现同类型虚拟机被分配到同一物理机上的情况,同时,对蚁群算法中信息素的更新进行了优化。实验结果表明,利用改进算法进行虚拟机最优分配方案挖掘,能够有效提高挖掘效率,并降低系统负载均衡度。 相似文献
2.
多服务器环境下网络具有随机性和异构性,导致传统方法由于算法收敛效率低、易出现局部最优等弊端,大大降低网络调度的效率,无法有效完成网络调度,提出一种基于重复博弈算法的多服务器环境下网络调度方法,塑造多服务器环境下网络调度模型,依据网络调度模型以及博弈论原理,通过最优反应函数对多服务器环境下网络进行调度,将其转换成目标规划问题,采用混沌粒子群优化算法对目标规划问题进行求解,从而有效完成多服务器环境下的网络调度。实验结果说明,所提的网络调度方案可提高网络调度的速度以及效率,能够有效处理多服务器环境下网络任务调度过程中出现的问题。 相似文献
3.
4.
《科技通报》2016,(8)
恐袭威胁具有突发性和非规律性的特点,且通常发生在人群聚集区,增大了该区域交通调度的难度,传统的调度方法主要针对静态场景进行调度,在发生恐袭威胁时,不能兼顾车辆调度的效率及能耗问题,调度消耗过大,不能满足实际的调度需求。提出基于禁忌搜索算法与遗传算法相融合的恐袭威胁下的最优交通调度方法。以恐袭威胁区域交通调度距离最小、能耗最小、时间最短为目标,建立相应的交通调度模型,采用禁忌搜索算法与遗传算法相融合的调度方法,对模型进行最优解搜索,获取最优调度方案,实现基于大数据分析的恐袭威胁下的最优交通调度。实验结果表明,采用改进算法进行恐袭威胁下的交通调度能够有效的推算出车流,提高调度效率、降低分析成本,具有极高的应用价值。 相似文献
5.
6.
交通网络节点和实体不断增长,对交通智能预测和控制提出更高的要求。传统方法采用智能神经网络PID控制方法进行交通控制,在交通并行负载无规则增长下,系统输出不能有效跟踪参考轨线,导致负载调度和控制效果不好。结合智能蜂群仿生算法和粗糙集理论,提出一种基于蜂群引导粗糙集前馈补偿动态博弈论的交通智能预测控制算法,建立一种基于粗糙集理论的前馈补偿动态博弈数学模型,控制参数在动态博弈中实现自适应寻优,迭代修正预测值的不确定性,预测模型收敛到最优解,克服实体无规则增长导致预测控制品质不好的问题。仿真实验表明,采用该控制方法对交通网络进行预测控制,能适用于大规模并行交通网络调度与预测控制,提高控制的鲁棒性。 相似文献
7.
传统车辆调度模型针对复杂的路况和复杂的车辆流动信息,存在调度时间长、难以提供实时调度时间的缺点,从而造成模型中前后级调度信号失联、调度算法冲突,效率不高的问题.本文提出一种改进遗传算法交通调度平台大规模拥堵优化调度方案.通过对算法编码过程进行合理的优化,加入针对多调度中心的约束条件防止算法陷入早熟,通过不同的分析角度,分别建立的回路形式和时间优化控制形式对车辆进行合理的调度.仿真结果显示,改进后的算法有效地降低了车辆平均延误时间,提高了交通运行效率. 相似文献
8.
9.
如何能够更好的通过数据仓库进行决策分析是云计算下的数据挖掘研究的重要组成部分,基于Hive的数据仓库是为了能够快速的查询数据,通过ETL任务资源与调度可以使得查询的消耗达到最小,但ETL是一种类似的NP问题,本文将萤火虫算法引入到ETL任务资源调度中,将萤火虫个体的最优与ETL最优任务调度进行对应。实验平台采用某地区的面料交易平台进行研究,实验说明本文算法能够有效的提高ETL访问效率,从而加快了Hive的访问速度。 相似文献
10.
为了提高云计算任务调度的效率,采用改进的SFLA算法实现任务调度。本文先对云计算任务调度原则和调度策略进行了分析,接着对SFLA算法基本原理及数学模型进行了详述,并提出了智能群体算法和自适应SFLA混合的改进SFLA算法,最后运用实例仿真验证该算法在云计算调度中的性能,与传统SFLA算法比较,改进算法在云计算调度中具有更快收敛性和更高精确性,具有一定的研究价值。 相似文献
11.
针对传统的蚁群算法在云计算中存在任务调度效率低的问题,本文将共生演算法引入到蚁群算法中,首先将蚁群算法分解为2个子群,并使用共生演算法中的共生,共栖和寄生虫机制避免了算法陷入局部最优,加速了算法获得最优解,在云计算调度仿真中,基于蚁群算法-共生演算法在虚拟机负载均衡、任务完成时间,任务完成成本等方面都有良好的表现,说明本文算法能够有效的提高云计算任务调度效率。 相似文献
12.
13.
云计算数据预取算法设计是实现云平台环境下通信链路优化和任务调度均衡分配的基础技术。在传统的云计算据查询模式下,当由于缓存空间不足而导致新的缓存数据无法进入缓存时,导致数据预取拥堵,性能不好。提出一种基于Monte Carlo熵权决策的云计算数据预取算法,构建云计算数据查询模板模型,进行Hybrid缓存置换数据预取前置处理,采用Monte Carlo熵权决策方法,把云计算预取信号从缓存域变换到波束域,构建置换函数,实现了对算法的改进。仿真实验研究得出,该算法通过熵权特征提取,进行云计算数据预取决策,提高了云计算数据预取性能,大数据访问延迟率降低,云计算数据存取和调度效率提高,保真率较好。 相似文献
14.
资源调度是当前云计算研究的热点,但是云计算中的虚拟节点的资源调度存在效率低,稳定性低的问题。针对这种情况,本文首先建立云计算环境下的资源调度模型,在模型中引入了优化后的蝙蝠算法,优化中引入混沌算法中的立方映射函数,对蝙蝠的个体进行混沌优化,同时缩小了搜索空间,加快了收敛速度。通过在Cloudsim平台上仿真实验表明,该算法在性能上、资源调度效率和任务调度方面都有很大改进,有效提高了云计算系统的资源调度能力。 相似文献
15.
16.
基于蚁群算法,以社会综合效益指标作为模型信息素浓度更新的依据,进行大型活动背景下的智能公交调度,实现聚集交通流的紧急疏散.效益指标综合考虑了实时线路速度,运营成本,乘客乘车费用及环境耗散,避免了交通拥塞,且符合社会的整体利益.最后通过实证说明基于蚁群算法进行智能公交调度的有效性. 相似文献
17.
为了最大限度优化云计算资源分配中的执行速度,平均响应时间和系统利用率,提出一种基于高斯差分变异蝙蝠算法(GDMBA)的云计算资源调度优化方法。首先引入高斯差分变异改进蝙蝠算法,避免蝙蝠个体陷入局部最优,改进后的算法加快了收敛速度,提高了收敛精度,然后采用GDMBA对资源调度进行寻优。仿真实验表明,GDMBA有效提高了算法性能,在云计算的资源调度中有效优化了云计算系统中的资源调度能力,提高了云计算资源的利用率。 相似文献
18.
《科技通报》2015,(8)
对云计算系统中的漂移数据中心分类区的准确确定,可以提高云计算系统的扩展能力和缓存能力。传统方法采用线性差分智能群识别方法实现中心分类区的确定,导致漂移数据的群辨识效果不好。提出一种基于粒子群聚类的云计算系统中数据中心分类区的确定算法模型,并进行仿真实现。构建云计算系统网络激励传播机制,实现资源负载均衡,把云计算系统的存储数据结构定义为一个四叉树,构建云计算网格环境下空间资源调度框架体系,进行云计算系统的漂移数据特征提取,使得资源负载均衡达到最优值,实现算法改进。实验得出,模型对云计算系统的漂移数据中心分类区确定准确,数据融合精度较高,聚类性好,云计算系统的扩展指数提高13%,缓存执行能力提高20.5%,展示较好的性能。 相似文献
19.
20.
为了解决同构多核心处理器任务调度中空调度、无用调度过多,效率较低的问题.提出一种基于反馈约束神经网络的同构多核心处理器任务调度算法.以处理器调度任务完成时间最短为优化目标,建立一个反馈约束的处理器任务调度数学模型,然后采用神经网络算法对其进行求解,并通过有效的约束机制保障计算结果陷入局部最小.计算机仿真测试表明,约束神经网络算法可以获得的同构多核心处理器多任务调度的最优方案,具有一定应用价值. 相似文献