摘要：服务于互联网业务的Web服务,其服务质量(Qo S)具有内在的不确定性,增加了Qo S感知的Web服务组合优化难度。假设Qo S及其聚合服从正态分布,构建一种Qo S感知的鲁棒Web服务组合优化模型,重点讨论两个独立的正态分布随机变量的和、最大值、最小值和积的期望与均方差的计算方法。通过重新定义加减法操作算子,选择合适的适应度函数,设计一种支持约束条件的离散粒子群优化算法求解该模型。仿真实验表明,该模型具有较好的精度,所获取的组合服务具有较好的鲁棒性。

摘要：针对紧急需求响应下托管型数据中心激励机制中胜标方决策效率低的问题,分别采用动态规划、遗传算法、粒子群优化及混合算法等方法对其激励机制的优化展开分析与研究。根据紧急需求响应的特点和算法需求建立托管型数据中心的激励机制优化模型,证明激励机制中的胜标方决策问题为一个NPC问题。从理论上分析优化算法使用的可行性及复杂度性,为算法在激励机制中的应用提供了理论基础。通过实验仿真,分别从4种算法的处理规模、性能以及时间复杂度的角度进行阐述和对比,实验结果表明,4种算法优化了胜标方选择最大化可供电力并满足管理员的最大支付,体现了优化算法解决问题的有效性及高效率性,提高了决胜标方决策的效率。

摘要：考虑了服务器内资源容量及虚拟机多类型资源需求时虚拟机部署最优化时延问题。首先将最优化虚拟机部署时延问题进行了形式化建模,并证明了该问题为一个NPC问题;然后通过遗传结合贪心策略提出了一种高效的虚拟机部署算法优化时延。该算法的主要特点在于:结合了贪心策略指导个体在初始化、选择、交叉、变异时形成最优解,并且在交叉过程中采用奇、偶数位个体交叉的方式形成新个体,既避免了个体间的重复交叉,又通过多样化的新个体形成使得算法的解不会陷入局部最优。另外,由于遗传算法在交叉过程中会存在交叉冲突问题(服务器容量超载),还设计了一种交叉冲突检查方法,避免了交叉冲突后非法个体的生成。最后,通过实验比对,将提出的算法分别与最新研究成果VMPDN、粒子群优化算法等进行比较,结果表明提出的算法有效地缩短了虚拟机的部署时延。同时通过不同资源类型数量、迭代次数及种群大小的情况下,分析和考察了算法性能,结果表明提出的算法性能仍优于其他的算法。

摘要：主要研究了基于多FPGAs部件的可重构系统高能耗问题。首先,对多FPGAs部件可重构系统的特征进行了建模,包括重构端口受限、资源受限及通信开销等建立了问题模型;接着,基于概率论与统计学的离散方差理论,采用负载均衡思想设计和实现了一种低能耗调度算法MLB。它的原理是通过计算各个FPGA部件的总能耗方差来引导负载的均衡分配。最后,通过模拟仿真实验,将提出的MLB算法分别与贪心算法和最新研究MFIT算法进行了比较,结果表明提出的算法复杂度低、运行速度快,不仅多节约了15%的能量,而且缩短了最大完成时间。

摘要：目前的诸多滴定仪,滴定终点的判断主要靠肉眼或者电压、电流值,不仅存在较大的误差,且应用范围较窄。针对以上问题,本文将分光光度法引入滴定分析中,对滴定装置进行设计,实现了一种判断滴定终点的仪器--分光光度滴定终点判断仪。依靠监测被滴定溶液的吸光度来判断滴定终点,从而控制滴定过程。所设计装置不仅避免了人眼判断滴定终点产生的随机误差,且具有滴定终点判断准确、应用范围广、稳定性好及操作简单等特点。