基于验证的自适应系统决策:一种模型驱动的方法

自适应系统需要根据运行时上下文和自身的变化进行其行为的调节.为实现自主调节,自适应系统必须被赋予运行时监测上下文和自身变化,分析需求满足程度的变化,以及推理得到自适应决策的能力.这种在线决策的行为在满足功能需求的同时,还需要保证系统满足特定的非功能需求,如可靠性和性能等.本文提出了一种基于验证的自适应系统优化决策方法,以保证非功能需求的满足.该方法在识别可调节目标以建模自适应机制的同时,将系统的目标模型映射为相应的行为模型,用标签转移系统表示;以可靠性需求为例,用标记目标模型规约任务的可靠性;然后将系统行为模型和可靠性规约整合为带可变状态的离散时间马尔可夫链,将候选自适应配置描述为不同可变状态间的组合;最终通过相关需求的在线验证,使系统找到关于某类上下文的最优决策配置.本文通过一个移动信息系统的案例展示了该方法的可行性和有效性.     

一种开放混合实时系统的开放自适应调度算法

开放计算环境下的实时与非实时任务不确定并发,以及多种实时约束混合的复杂约束系统,即开放混合实时系统的需求越来越广泛.通过引入接收控制、调度服务器、自适应调节机制,提出一种开放环境下的自适应实时系统调度架构--OARtS(open adaptive real-time scheduling).它能适应开放计算环境的不确定性,有控制地接受实时任务运行;可根据系统空闲计算带宽变化,自适应地调节任务的实时等级,使得系统运行在最优的实时性能上;对于软实时任务,可根据其计算带宽需求变化,自适应地调节其计算带宽分配,以适应任务执行时间时变引起的实时不确定性.     

面向SOA关键型系统的混合关键度驱动自适应资源管理

针对运行于开放、不确定环境下的SOA架构的多使命复杂关键型系统,提出了一种以混合关键度为驱动的动态分级自适应资源分配算法。它通过构造闭环反馈的分布式控制环,在线动态调整任务Qos,针对不同关键度的任务动态调整资源分配。该方法不但在统计意义上确保了关键型系统的实时性,而且实验证明该方法能有效提高系统在高负载条件下的实际资源利用率和降低关键任务的死线错过率,保证了关键型系统的高可靠性。     

虚拟计算系统体系结构的自适应重构设计

提出一种虚拟计算系统体系结构的自适应重构框架,以解决任务特征与体系结构的动态匹配问题。实现面向动态需求变化和面向物理资源变化的重构算法,在任务特征模型或底层物理结构变化时,能自适应进行线程及虚拟机的聚集,以形成新的任务分配和调度结构,使虚拟计算系统具有较高的运行效率,并通过虚拟机迁移,确保系统负载均衡。     

面向环境自适应组合服务系统的环境变化识别

环境自适应的组合服务系统是未来软件系统的一个发展方向,不同于普通组合服务系统之处在于这种系统对系统运行的网络环境进行监测,并根据监测结果对组合服务进行合适的调整以保证软件系统的服务质量.由于通常的类别匹配式环境感知策略不满足系统中服务QoS连续性的需求,本文经过分析环境自适应的组合服务系统的运行原理,提出一个基于动态QoS计算的环境变化识别方法,实现了从环境监测到输出变化事件的系统的环境感知功能,给出了环境监测及变化识别策略,设计了整体的变化识别算法以及其中具体的变化识别阈值计算算法,并通过实验结果表明了变化识别方法可以良好并高效地完成系统的环境感知需求.     

基于情景感知的制造组合服务自适应决策机制

针对组合服务面临复杂、动态的业务需求和运行环境,提出基于情景感知的自适应决策机制,保证制造过程的顺利执行,为用户持续稳定地提供高质量服务.从智能制造单元个体视角,构建制造组合服务自适应调整系统架构.根据多变的应用场景,充分考虑决策主体状态和情境因素对服务调整活动的影响,设计情景感知、主体-情景-活动(Subject-situation-action,SSA)2种自适应决策机制,并通过多Agent技术搭建实验环境,应用关联规则方法挖掘决策知识.通过汽车制造云服务实例与现有事件驱动机制对比,验证所提出的2类机制在不同场景下的效果,并从决策准确率、时间和服务QoS两方面证明情景感知、SSA机制的优势和可行性.     

自适应软件的策略自动生成与演化

随着软件功能的日益强大和运行环境的日益复杂,软件要求能够及时感知环境和需求的变化,并做出相应的反应。自适应系统是一种能够通过感知环境和运用自身知识决策自身行为的软件框架。策略集是自适应系统的核心知识,但是现有自适应研究都缺少对策略的生成、维护、演化等的关注。借鉴决策树算法,提出一种使用策略树来自动生成、演化和维护策略集的方法,使得自适应软件能够更好地使用知识,排除人为制定策略对自适应软件效果的影响;同时,以RubiS网站为基础,通过仿真实验验证了方法的可行性。     

一种面向网格计算的自适应动态冗余预留策略

针对网格环境中冗余机制在系统可靠性和任务执行效率之间难以平衡的问题,提出一种冗余度可动态调整的自适应冗余策略.该策略以可靠性指标为约束条件,依据负载变化自适应地优化系统冗余度,在不降低可靠性的前提下减少冗余度过高对网格任务执行效率的负面影响.理论分析给出了冗余度与可靠性之间的量化关系,实验分析对比了该动态冗余策略与其他冗余策略的性能差异,并对策略关键参数进行了对比分析.实验结果显示,当系统面临较高的任务负载或负载变化剧烈时,自适应的动态冗余预留策略能够显著提高资源有效利用率,并在任务执行效率和系统可靠性之间实现动态平衡,从而降低传统冗余策略对系统性能的负面影响.     

自适应策略描述语言编译器的设计与实现

复杂自适应系统中的软件实体既需要完成业务功能,又需要不断地感知环境,并根据环境的变化调整自己的结构和行为来适应环境,完成自适应功能。当前自适应系统的开发存在将自适应逻辑和业务逻辑相互缠绕的问题,使得自适应系统的开发和维护变得极为复杂和困难。本文将自适应系统中的自主运行单元抽象为自适应Agent,将自适应Agent的业务逻辑和自适应逻辑相分离,提出了表述Agent如何适应环境变化的自适应策略描述语言SADL。为了将自适应策略编译成可执行的程序单元,本文设计并实现了SADL编译器。通过案例分析阐述了如何定义自适应策略,并展示了编译结果,验证了方法的有效性。     

服务化软件系统的运行时资源动态分配方法

Web软件是一种典型的基于Internet的软件形态,它自身的特点决定了其运行时的可靠保障以及质量优化都需要系统具有一定的自适应能力。对于服务化的Web软件系统而言,各服务之间的动态资源分配是实现运行时自适应的重要基础。针对这一问题,构建了一个基于Web的在线购物系统,并在此基础上对基于Web服务资源动态分配及负载均衡的Web软件系统运行时自适应技术进行了研究。对Web软件系统的运行时自适应管理问题进行了分析,提出并实现了资源动态分配及负载均衡方法,在此基础上针对在线购物系统进行了有效性验证。实验结果表明,优化的资源动态分配及负载均衡方法可以有效地提高Web软件系统的运行质量。     

基于内分泌调节机制的机器人行为规划算法及其应用研究

借鉴内分泌系统对神经系统与遗传系统的高层调节机制，提出了一种新的基于内分泌调节机制的机器人行为规划算法．此算法中机器人通过神经系统接受环境信息并进行行为决策，行为决策的效果通过一种情感学习模型进行反馈．情感学习模型根据机器人的内、外环境状态,产生情感因子(即生物激素)，再由情感因子来调节神经系统的记忆和行为决策，最后神经系统的记忆与行为模式又由遗传系统得以继承．该算法有效避免了神经系统复杂的自学习过程。同时也保证机器人有较强的自适应能力．为了验证算法的有效性，本文做了机器人足球队守门员训练的仿真实验，结果也表明该算法具有很强的自适应学习能力．     

基于事件关系保障识别质量的自适应分析方法

目前自适应软件正在为众多领域系统提供着对运行环境的适应能力.如何建立一种能够保障识别质量的自适应分析方法,使之可从运行环境中快速且准确地识别出异常事件,是确保自适应软件长期稳定运行所必须考虑的研究问题之一.当前运行环境的不确定性给该问题的攻关带来两方面的挑战:其一,现有分析方法一般通过预先建立环境状态与事件之间的映射关...     

知识化制造系统的任务分配决策

为解决知识化制造系统(KMS)的任务分配问题,给出一种基于Agent的KMS体系结构,提出一种特征控制的概念和一种基于Tabu搜索的优化算法,在建立的数学模型基础上,对特征控制的动态过程进行描述,并给出算法的详尽步骤,该算法和特征控制的结合使任务分配决策系统能够动态地响应任务和Agent的变化,最后的仿真实例验证了该方法的有效性。     

Convergence in evolutionary programs with self-adaptation

Evolutionary programs are capable of finding good solutions to difficult optimization problems. Previous analysis of their convergence properties has normally assumed the strategy parameters are kept constant, although in practice these parameters are dynamically altered. In this paper, we propose a modified version of the 1/5-success rule for self-adaptation in evolution strategies (ES). Formal proofs of the long-term behavior produced by our self-adaptation method are included. Both elitist and non-elitist ES variants are analyzed. Preliminary tests indicate an ES with our modified self-adaptation method compares favorably to both a non-adapted ES and a 1/5-success rule adapted ES.     

基于混合果蝇优化算法的选址-库存联合优化策略

针对装备维修保障仓库系统运营费用高、仓库点位布局不合理、备件库存结构不合理等问题,建立以多品种联合补货问题为基础的装备维修备件仓库选址-库存控制决策联合优化模型,模型可用于求解仓库的开设位置、维修活动需求点的指派情况、仓库补货时间以及库存水平等.根据模型的结构特点,利用多种群协同进化的方法改进传统果蝇优化算法的位置更新方式,设计一种内外两层搜索策略的混合果蝇优化算法,外层搜索策略作为算法的主程序用于搜索仓库选址决策变量,内层搜索策略采用改进的RAND算法用于搜索库存控制决策变量.仿真结果表明,混合果蝇优化算法具有良好的求解效率,能够确保库存系统在一定服务水平的基础上有效降低库存运营总成本.     

制冷站双目标权重自适应非线性预测控制

针对传统制冷站控制系统易产生振荡, 且无法实现系统性能整体优化的问题, 本文提出一种制冷站非线性 预测控制策略, 优化目标函数设计为满足建筑冷量需求的同时, 尽可能提高系统整体能效. 为解决上述两个优化目 标之间的矛盾关系, 本文采用模糊逻辑设计了优化目标权重自适应模块, 实时求取权重因子最优解; 针对非线性系 统在线优化求解困难问题, 本文提出了基于神经网络的非线性滚动优化算法, 采用神经网络作为反馈优化控制器, 并将系统优化目标函数作为在线寻优性能指标, 结合Euler-Lagrange方法和随机梯度下降法对控制器权值和阈值进 行在线寻优, 算法计算量小, 占用存储空间适中, 便于采用低成本的现场控制器实现制冷站预测控制. 仿真实验结果 表明, 本文所提出的预测控制策略与PID控制相比, 在未加入优化目标函数权重自适应模块情况下, 系统平均能效 比提高约32.5%; 进行优化目标函数权重自适应寻优后, 系统平均能效提高约39.43%.     

粒子群位置转移和最近邻居选择的多线程蚁群算法

本文提出了一种多线程的高速收敛蚁群算法,该算法在MMAS基础上,采用多线程来实现其蚁群算法并行机制以减少寻路时间,同时结合粒子群算法中粒子位置转移的机制,采用一种新颖的最近邻居选择策略、并进行动态信息素更新策略,以保证在每次搜索中,都能迅速向较优解靠拢.同时,还采取了一种局部变异策略,以对每次搜索的结果进行优化.     

Shared-nothing并行数据库系统查询优化技术

查询优化是并行数据库系统的核心技术。该文介绍作者自行研制的一个Ｓｈａｒｅｄ－ｎｏｔｈｉｎｇ并行数据库系统ＰＢＡＳＥ／２中独特的两阶段优化策略。为了缩减并行相称优化庞大的搜索空间,ＰＢＡＳＥ／２将并行查询优化划分为顺序优化和并行化两个在阶段。在顺序优化阶段对并行化后的通信代价进行预先估算,将通信开销加入顺序优化的代价模型,同时对动态规划搜索算法进行了修正和扩展,保证了顺序优化阶段得到的最小代价计划在     

参数自适应粒子群算法的给水管网优化研究

针对粒子群算法在解决给水管网优化问题时存在容易陷入局部最优的缺点,通过分析粒子的运动轨迹和相似程度,提出一种参数自适应粒子群算法。该算法利用种群粒子与期望粒子之间相似度的大小,动态调整算法参数,平衡算法全局和局部搜索能力,利用分期变异策略增加种群多样性,保证算法收敛于全局最优值。将改进算法用于优化汉诺塔管网和纽约管网2个经典的管网案例,证明算法可以有效应用于给水管网这类组合优化问题。将该算法优化实际的管网改扩建案例,结果表明,所提出的算法具有更好的寻优性能和收敛性能。