云中基于蚁群算法改进的负载均衡策略

针对云计算虚拟化资源中,提高资源利用率、负载均衡度的问题,在蚁群算法的基础上,提出云中节点间负载均衡的改进算法。前向蚂蚁检测节点的类型、记录节点信息,遇到负载节点时留下觅食信息素;后向蚂蚁依据循迹信息素追溯回负载节点,合理分配超载节点任务。所有蚂蚁不再更新自己的结果集,而是致力于更新单个结果集,在搜索过程中依据节点类型动态地修改路径信息素。在Cloudsim平台下进行的仿真实验验证了改进算法的有效性。     

Hadoop平台下的分形图像压缩编码

借助Hadoop平台实现了分形图像压缩编码,并将其应用于云渲染中对渲染后的图像进行压缩并传至用户阶段。采用4台PC机搭建Hadoop平台,并在此基础上进行分形图像压缩编码,实验结果表明,采用4台PC机的Hadoop平台并行压缩时间不到单台PC机压缩时间的30%,证实了该方案的现实有效性。采用分形压缩编码将云渲染后的图像传给用户具有压缩比大、传输时间短、解压缩快等特点,对改善云渲染用户体验具有重要意义。     

基于损益云模型的制造车间重调度决策方法

针对制造车间重调度触发机制问题,建立了制造车间重调度损益函数,揭示了生产车间重调度过程损失及增益的变化规律.引入云理论测度重调度损益的不确定性,使用逆向云算法计算重调度增益云和损失云的数字特征,根据云形态预测重调度损益变化趋势.提出一种基于损益云模型的重调度决策方法以判断是否需要重调度,并利用最佳损益比甄选预调度方案以兼顾生产系统的稳定性和有效性.最后,通过实例验证了该方法的合理性和实用性.     

Action of the Coastal 1000‐Ton Surface Explosion on the Environment

Results of experimental investigations of the action of a coastal surface explosion of a 1000ton TNT charge on the environment are presented. Available databases were used, which are generally utilized for predicting ecological consequences of natural and maninduced explosive catastrophes, development of new methods of monitoring and identification of phenomena under consideration, their experimental and mathematical modeling, and testing of the models being developed.     

读写频繁云存储网络应用的数据备份方法

文章根据读写频繁的云存储网络应用的数据存储特点,提出了一种新的数据备份方法,旨在最优化地利用已有的系统资源,为用户提供更好的用户体验。文章中的数据备份方法包括基于数据节点废弃度计算与用户访问预测的副本创建机制和基于存储平衡预测算法与副本健康度计算的负载调整机制。文章的数据备份方法与现有技术相比针对日益流行的社交类云存储网络应用进行了优化,将多种数据参数加权计算作为衡量数据节点优劣和副本文件价值的标准,在保证用户使用体验的前提下使各数据节点达到负载的均衡,并且避免了云服务器端将有限的计算资源浪费在频繁的副本调整过程中。     

基于灰色模糊层次分析法的企业云服务安全评价模型

从企业实施云服务项目角度,总结得出影响云服务安全的四大因素,即平台设施、运行安全、运营管理以及法律法规因素。在此基础上构建企业云服务安全评价模型,并利用灰色模糊层次分析法（ GFAHP）对模型进行综合评价。最后通过一个实例进行具体阐明与评价。     

基于特征迭代的云存储数据即时确定性删除方法

传统数据删除方法易受到云存储环境中大量近似特征的影响,产生冗余数据,导致加解密时间过长、密钥可用率较低,为此提出一种基于特征迭代的云存储数据即时确定性删除方法。首先,提取云存储数据中的冗余数据特征,对云存储下冗余数据进行分类,迭代直至收敛,实现冗余数据高性能删除;其次,采用加密机制实现云存储数据在网络用户间的安全共享,将原始数据密文切分为剩余密文和采样密文;最后,把不完整的剩余数据密文上传至云端,同时引入可信任第三方对取样密文进行保存,通过销毁取样密文实现数据即时确定性删除。实验结果表明,所提方法的数据密文拆分所用时间较短,且密钥可用率较高,可达90%,说明其方法能够有效满足云存储系统中对冗余数据或过期数据的确定性删除要求。     

基于云端协同计算架构的边缘端I/O密集型虚拟机资源分配方案

大型制造业生产车间业务流程复杂,传统固定资源配置方式将产生负载不均衡的问题。针对此问题,设计并实现了一种基于云端协同架构的边缘端I/O密集型虚拟机资源的分配算法,通过定义计算节点中每个I/O密集型虚拟机三个维度的信息计算得出I/O密集型虚拟机的优先级,并按最大优先级队列实时统一分配硬件资源。实验结果表明,该算法在应对工业机械设备高响应和高通量的要求上有较为明显的提升,为实际生产起到了优化资源配置的作用。     

基于多判据的散乱点云特征点提取算法

为了有效获取散乱点云中的尖锐特征点和边界特征点,提出一种利用多判据融合的特征点提取算法。首先利用一种改进的k-d tree构建点云拓扑,搜索样点的K局部邻域;然后利用法向夹角判定准则、核密度判定准则、场力和判定准则分别求取各个样点局部邻域的三个特征参数,最后通过加权计算特征参数得到每个样点的特征值与全局判定阈值,特征值比阈值大的点即为特征点。实验证明,该算法能有效的获取散乱点云中边沿特征点与尖锐特征点。     

云制造环境下面向多目标优化的虚拟资源调度研究

为解决云制造环境下虚拟资源调度存在的算法求解效率不高、模型建立缺乏考虑任务间关系约束和任务间及子任务间的物流时间及成本因素等不足,构建了兼顾交货期时间最小化、服务成本最低化、服务质量最优化为目标的多目标虚拟资源调度模型;采用一种基于项目阶段的双链编码方式进行编码,并提出自适应交叉与变异概率公式,以避免交叉、变异概率始终不变导致算法效率下降与过早收敛的问题;在此基础上利用基于项目阶段的多种交叉变异策略相结合的改进遗传算法进行求解,保证了算法的全局与局部搜索性能。实例结果表明,相比于传统的模型与算法,该模型适用性更强,改进的遗传算法在求解效率、准确度与稳定性方面均有较大提高。