基于改进的Stacking集成模型的容器云负载预测研究

容器云的迅速发展使业务量迅速增加，对容器资源利用率的未来趋势进行预测，从而提前分配资源来提高资源的利用率并且降低资源的浪费是一种合理的做法。为了实现对容器云资源的合理预测，提出一种基于改进的Stacking集成方法的云资源负载预测模型。模型的第一阶段是通过设立基学习器对云资源负载数据进行特征选择，降低数据集特征的复杂度。第二阶段是使用GA-BP神经网络模型改进的DBN模型(DBN-GA-BP)对第一阶段的特征选择数据进行集成预测。实验结果表明，与单一模型和未改进的Stacking模型对比，该模型具有更高的预测精度。     

混合云环境下考虑工作流的任务调度策略

针对混合云环境下的工作流调度问题, 提出一种结合黏菌算法和粒子群算法思想的工作流调度算法。利用粒子群算法的优点, 对较差解进行引导, 加快较差解的收敛速度, 对质量较好的解进行局部变异, 避免陷入局部最优, 同时增加交叉算子, 细化算法在任务调度问题中的寻优粒度, 根据混合云环境下的工作流调度模型, 进行离散编码, 完成对多个调度目标的优化。在现实工作流下进行仿真实验, 结果表明, 本文算法与单一启发式算法以及对应改进算法相比, 具有更好的优化性能。     

制造云服务组合中支持服务关联的QoS感知评估模型

为了更好地从大量候选云服务集中选出满足制造需求且服务质量较优的制造云服务协同完成制造任务,针对QoS准确性给组合筛选带来的影响,基于接口关联、业务实体关联、统计关联,提出了一种支持服务关联的QoS感知评估模型。引入企业合作时间、KULC和IR参数,利用历史信息进行预测对统计关联QoS变化量进行动态调整,保证了时效性。通过算例分析验证了所提方法的可行性,实验结果表明该方法能为服务需求方提供更切合实际的解决方案。