基于云变换的混合计算模型在水淹层识别中的应用

目前为止,现有的自动判别方法难以反映定量指标和定性指标相结合的混合信息对水淹层识别的影响.因此,为提高水淹层判别的准确度,本文提出基于云变换的定量与定性混合计算神经网络模型来实现水淹层判别.一方面,利用云模型将提取测井相数据中的定性信息,保证了原始数据的完整性与客观性;另一方面,将输入信息中的定性概念通过正向标准云变换转换为量化的数值信息,保证了数据的科学性;最终将混合信息输入混合计算神经网络模型中进行判别,从而得出结论.实验证明采用基于云变换的混合计算神经网络模型对水淹层进行识别,具有精度高、速度快的特点,是水淹层识别的一种比较实用的方法.     

混合云的挑战

混合云虽然能够解决用户对于计算资源灵活扩展以及保持对计算资源控制的需求,但来自于安全和管理两方面的问题,将会对混合云的普及带来很大的挑战。     

一种云环境下的绿色计算模型

随着全球计算机数量的快速增长,由此引起的碳排放带来的温室效应已经越来越受到国际关注.绿色节能的研究已经变得越来越重要.提出一种云环境下的绿色计算模型.该模型从程序设计语言、绿色数据中心框架构建、绿色分布式文件系统策略的角度详细做了研究.针对互联网应用的主要特点,详细分析了该模型的主要特征及其设计理念和方法.基于该模型,将为有效的绿色节能带来新的设计思路和方法,为以后绿色节能的研究提供基础.     

基于运行时模型的混合云管理方法

随着云计算技术的普及,涌现出众多不同用途、不同类型的云计算平台.为了满足遗产系统整合和动态资源扩展等需求,常常需要构造混合云来统一管理不同云平台中的计算和存储资源.然而,不同云平台的管理接口和管理机制存在差异,使得开发混合云管理系统难度大、复杂度高.本文提出一种基于运行时模型的混合云管理方法：首先,在云平台管理接口基础上,构造单一云平台的运行时模型;其次,根据云平台领域知识,提出一种云平台软件体系结构的统一模型;最后,通过模型转换,实现云平台统一模型到运行时模型的映射.于是,管理程序可以建立在云平台统一模型的基础上,降低了混合云管理系统开发的难度和复杂度.本文还实现了基于运行时模型的CloudStack和亚马逊EC2混合云管理系统,并对方法的可行性和有效性进行了验证.     

传感资源云共享的动态定价策略

针对传感资源在云市场中实现交易共享的问题,提出传感资源的动态报价策略DPS-SR(Dynamic Pricing Strategy of Sensing Resource)和基于组合双向拍卖的稳定匹配算法CDA-SMA(Stable Matching Algorithm of Combinatorial Double Auction)。DPS-SR综合考虑了历史成交价格、市场供需情况、供应方资源负荷率和需求方焦急度给出合理的供需报价;CDA-SMA以供需双方偏好为导向实现双向稳定匹配。DPS-SR和CDA-SMA共同实现传感资源的动态定价,仿真实验结果显示在不同的市场供需情况下该定价策略比传统的固定比率定价有更好的适应性。     

基于网格计算市场模型的资源与作业描述语言的研究

网格计算市场模型是把经济学的概念应用到网格的资源管理和作业调度中的模型。本文分析了网格计算市场模型中资源和作业描述语言的需求,简要介绍了资源和作业描述语言Classified Advertisements(Classad),指出它在网格计算市场模型中描述资源和作业的不足之处,对它做了相应的改进和扩充．以实现在经济模型下对资源和作业更加灵活、细枉度的描述。     

安全可验证的行列式云外包计算及其电子交易方案

针对现有的云外包计算协议中服务端可能存在的用户信息被泄露、篡改等问题,提出了一个云环境下的安全、高效、可验证的矩阵行列式外包计算协议。首先,基于矩阵模糊技术构造云外包计算协议,它能够在不需要任何困难性假设的前提下保证用户信息的安全性;其次,通过构造一类特殊的变换矩阵对明文矩阵进行处理,使用户在收到返还结果后,能有效验证所反馈的计算结果是否被篡改,性能分析表明,此协议可以有效提高云外包计算的效率;最后,给出一个行列式外包计算的电子交易框架,能够有效应用于电子商务等领域。     

基于复形法和云模型的差分进化混合算法

为了改善差分进化算法的收敛速度和优化精度, 提出一种基于复形法和云模型的差分进化混合算法（HDECC）。该算法使用差分进化算法搜索局部最优域, 引入复形法和云模型来加快算法的收敛速度和提高算法优化精度, 使算法的初期搜索速度和之后的优化精度得到相互平衡。最后, 使用七个标准约束优化问题和两个典型工程应用实例进行实验仿真, 实验结果表明, 与同类算法比较, HDECC算法全局搜索能力强、优化精度高、收敛速度快, 且算法更稳定。     

内部威胁云模型感知算法

利用系统访问控制关系,定义了主体、客体两个偏序结构和二者间的映射关系,建立了分层映射内部威胁模型;利用此模型定义了表征系统内部威胁状态的内部威胁云模型,并设计了基于云模型的感知算法,实现了对系统内部威胁的评测感知.基于云模型的内部威胁感知算法,利用云模型从多角度将系统的定性、定量内部威胁特征融合分析、决策,克服了原有方法不能同时定量定性分析内部威胁的缺陷,提高了感知的准确性和客观性.实验结果表明,此算法能够实时、有效地感知系统的内部安全威胁.     

网络安全态势多粒度分析的云方法

利用云理论的不确定性推理方法解决网络安全态势感知问题。在现有模型基础上,设计了一种基于知识库的多粒度网络安全态势感知模型。该模型具有动态更新知识库、多粒度态势展现以及态势可视化三大优势。另外,该模型实现了资产安全态势的扩展云推理算法,该算法能够处理连续值和离散值等多类参数,适用于多条件多规则推理,并且可以得到定性和定量两种安全态势结果。该模型具有较高的扩展性和实用性。最后,作者在武汉大学校园网中实验验证了模型的可行性及准确性。     

Resource trading in cloud environments for utility maximisation using game theoretic modelling approach

We develop a novel auction-based scheme for trading free processors in cloud computing environment. Our scheme allows clients to fairly compete for the offered processors. Second-price auction is used where each client bids for the processors. The client that makes the higher bid wins the auction and starts using the processors for executing its jobs. The winner pays the second highest bid. Maximising profit is the key objective for the cloud provider (CP). The optimisation problem of renting processors on the cloud market is a complex and challenging task. The proposed mechanism takes into account the market demand and the economic concerns for the CP and clients. Within this context, we show the existence of a Nash equilibrium which leads to a unique allocation under certain processors distribution. Numerical analysis stresses the ability of our approach to maximise the client's utility under varying cloud environment conditions.     

多实例云计算资源市场下超额预订决策方法

针对现有云供应商数据中心负载率低、云用户需求不确定及多样性的问题,为提高云供应商平均利润,建立了不确定需求下的多实例类型云服务超额预订模型。该模型结合实际云计算资源市场下超额预订对于云供应商负载均衡及云服务等级协议(SLA)的影响,给出超额预订的多重约束条件,提出了各实例类型数量最优分配策略。实验结果表明,采用该模型在预约未使用概率为0.25时,云供应商利润较高,数据中心负载率达到78%,最终确定了各实例类型的最优分配数量。     

云计算资源管理中的预测模型综述

为了实现云计算灵活性,动态伸缩性以及资源共享等特征,云计算系统需预知应用负载趋势,并为其分配所需资源.为实现这一目标,预测技术在云计算资源管理中必不可少.通过分析当前应用于云计算环境中的预测模型,总结了这些预测模型的特点,并在此基础上给出了基于预测技术的动态资源供应的一般流程.针对这些预测模型中存在的不足,从3个方面展望了云计算资源管理中预测模型可能的发展方向.     

基于云环境下的资源评价模型研究

分析了己有的调度机制和常用的任务调度算法,并在此基础上设计了资源评价模型。将资源评价模型加入调度系统中,资源信息由评价模块进行分析和评价,并提供给任务调度器,实现资源和任务的优化匹配,提高了服务质量(QoS)。     

云计算技术浅析

云计算是一种按使用量付费的模式,该模式能提供可用的、便捷的、按需的网络访问,以进入可配置的计算资源共享池。这些资源能够被快速提供,而只需投入很少的管理工作,或与服务供应商进行很少的交互。云计算的到来,意味着用户将不再被地理位置所限制,而且不再被所使用的设备所限制。文章中对云计算技术进行了简单分析。     

云数据中心资源调度机制研究

云数据中心包含大量计算机,运作成本很高。有效整合资源、提高资源利用率、节约能源、降低运行成本是云数据中心关注的热点。云数据中心通过虚拟化技术将计算资源、存储资源和网络资源构建成动态的虚拟资源池;使用虚拟资源管理技术实现云计算资源自动部署、动态扩展、按需分配;用户采用按需和即付即用的方式获取资源。因此,数据中心对提高资源利用率的迫切需求,促使人们寻求新的方式以建设下一代数据中心。     

一种混合云环境下安全高效的群数据共享方法

在混合云数据共享中,用户量大,属性多,导致用户端的计算量随着属性数目的增多而增大,影响着群用户之间的云数据共享效率,并且还存在用户的身份隐私及相关属性容易被泄露的风险。针对这些问题进行研究,提出了一种适合混合云环境下安全高效的群数据共享方法。该方法通过使用匿名技术、属性隐藏和计算外包技术相结合,保障用户的身份隐私和属性的安全,降低用户端的计算量。安全性与性能分析和实验结果表明,该方法具有较好的安全性和效率。     

云环境下能耗感知的公平性提升资源调度策略

针对云计算环境下大量的能源消耗和一些用户非法占有计算资源的问题,为了节约资源,同时提高系统的公平性,使所有用户能合理地使用数据中心的所有资源,提出一种基于能耗感知的节能公平的资源调度算法（FGRSA）。该算法能高效调度各种类型的资源使所有资源使用量达到一个相对的公平。通过CloudSim仿真平台,对提出的调度策略进行仿真实验。实验结果表明,与Greedy算法和Round Robin算法相比,FGRSA能够在大幅度降低系统能耗的同时,保证各类型资源的公平使用。     

Dynamic task assignment and resource management in cloud services by using bargaining solution

Cloud computing provides infrastructure, platform and software as services to customers. For the purpose of providing reliable and truthful service, a fair and elastic resource allocation strategy is essential from the standpoint of service customers. In this paper, we propose a game theoretic mechanism for dynamic cloud service management, including task assignment and resource allocation to provide reliable and truthful cloud services. A user utility function is first devised considering the dynamic characteristics of cloud computing. The elementary stepwise system is then applied to efficiently assign tasks to cloud servers. A resource allocation mechanism based on bargaining game solution is also adopted for fair resource allocation in terms of quality of service of requested tasks. Through numerical experiments, it is shown that the proposed mechanism guarantees better system performance than several existing methods. The experimental results show that the mechanism completes the requested tasks earlier with relatively higher utility while providing a significant level of fairness compared with existing ones. The proposed mechanism is expected to support cloud service providers in elastically managing their limited resources in a cloud computing environment in terms of quality of service. Copyright © 2013 John Wiley & Sons, Ltd.     

煤矿培训云资源服务平台研究

基于煤矿企业对培训资源的需求分析,阐述了煤矿培训云资源服务平台特征,设计了平台的体系结构,给出了平台资源管理层和应用服务层的设计方法,介绍了理事会、会员制和公司化模式相结合的平台运行机制。煤矿培训云资源服务平台可为煤矿企业提供丰富的煤矿培训资源,增强各煤矿企业间的资源共享和信息交流。