基于时间约束的软件工程资源配置Petri 网检测模型

随着物联网、云计算等大规模分布式系统在国内的日益流行,软件工程的应用环境已经不可避免的转向适用于分布式环境.而已有的基于时间约束的软件工程资源动态配置模型大都有所局限,无法评价其在大规模分布式环境中的效果.文中提出了一种基于 Petri 网模型的基于时间约束的软件工程资源动态配置检测模型,依据 petri 网理论,模拟大规模分布式环境下,检测异构软件工程资源动态配置模型间的协作与冲突.从而为软件工程资源动态配置模型更好的应用于实践,提供坚实的理论基础.实验证明,该方法可以及时的发现大规模分布式环境中,软件工程资源动态配置模型的冲突,为设计者及时反馈信息,避免损失     

基于时间约束的软件工程资源配置Petri网检测模型

随着物联网、云计算等大规模分布式系统在国内的日益流行,软件工程的应用环境已经不可避免的转向适用于分布式环境。而已有的基于时间约束的软件工程资源动态配置模型大都有所局限,无法评价其在大规模分布式环境中的效果。文中提出了一种基于Petri网模型的基于时间约束的软件工程资源动态配置检测模型,依据petri网理论,模拟大规模分布式环境下,检测异构软件工程资源动态配置模型间的协作与冲突。从而为软件工程资源动态配置模型更好的应用于实践,提供坚实的理论基础。实验证明,该方法可以及时的发现大规模分布式环境中,软件工程资源动态配置模型的冲突,为设计者及时反馈信息,避免损失。     

基于赋时有色petri网的维修过程模型

维修过程模型是研究维修保障系统结构与运行的基础。petri网模型具有直观、形象的优点，又是严格定义的数学对象，既可用于静态的结构分析，又可用于动态的行为分析，具有灵活的建模和强大的系统性能分析能力，是描述维修过程的有力工具。该文介绍了petri网方法的有关概念、特性。假定了典型的维修资源配置环境，对维修资源进行了分类。描述了典型的维修过程，应用赋时着色Petri网建立了维修过程的petri网模型。文章最后讨论了模型的应用。     

基于混合petri网的网络建模与仿真

该文基于网络交换节点传输特性的辨识模型,提出了一种基于混合petri网的节点仿真模型,以及利用该模型进行网络建模的方法。分析了交换节点混合petri网模型的仿真精度,给出了保证信息量守恒的仿真条件。对于不能消除的误差,分析了其在仿真过程中的动态范围,得出了模型能够自动补偿的结论。通过建立一个网络的混合petri网模型,并利用visual object net2.0进行了信息传输过程仿真。仿真结果说明该网络模型能够很好地模拟信息传输的动态过程,能够体现网络交换节点的非线性传输特性。     

一种面向云服务组合的策略冲突检测机制

针对云服务组合的策略冲突问题,研究了云服务中属性间关系及组件服务间组合关系的特点,提出了基本类型冲突、层次关系冲突、互斥关系冲突、组合关系约束冲突四种冲突类型;设计了能够直观表达策略中多种关系的策略生成图模型,该模型具有结构灵活、易于更新和动态扩展的优点;将冲突检测问题转化为图的连通性问题,提出了一种基于策略生成图模型的冲突检测机制,实现了对云环境下大规模策略集中冲突策略的高效检测。最后,开展仿真实验,验证、评估了检测机制的有效性和检测效率。     

基于Time Petri Nets的实时系统资源冲突检测

Time Petri Nets在实时系统的建模和性能分析中得到广泛应用,而冲突是Petri网及其扩展模型的重要行为,解决冲突是正确分析模型动态行为的关键.目前随机Petri网、混合Petri网和区间速率连续Petri网的冲突检测方法由于没有考虑到时间约束因此无法在TPN网中使用.时间约束的引入使得Time Petri Nets模型的使能和触发语义比Petri网模型的语义复杂,冲突检测变得更加困难.为了计算冲突发生的时间和概率,首先根据时间约束,给出了变迁持续使能时延迟区间的计算方法,并证明了该方法的合理性和完备性;然后在此基础上定义并证明了Time Petri Nets模型中不冲突的检测方法;并提出了Time Petri Nets模型的冲突检测方法,给出了冲突时间区间和变迁实施概率的计算方法;最后通过实例验证说明了该方法的正确性和有效性.     

一种支持动态任务分配的协同设计方法

协同设计是一种复杂的、由不同领域的专业人员参加的群体活动.介绍了一种多Agent设计系统中的协作方法,提出了支持动态任务分配的公告板机制以及设计过程中的冲突协调方法.公告板模型结合了黑板模型与合同网模型的优点,有效地利用Agent的自主性和协作性,采用分布与集中相结合的方式,克服了在分布式环境下进行动态任务分配时采用黑板模型与合同网模型的不足之处.同时,所提出的冲突预检查及冲突处理的方法可以在设计的早期阶段发现和解决冲突,以避免不必要的资源浪费.     

分布式状态空间生成的有色petri网模型

该文旨在为分布式的状态空间生成系统设计一个有色petri网模型,并对模型进行性能分析,得出状态空间的分割对分布式系统性能的影响。基于通信时延是系统的性能瓶颈,必须使用与模型结构属性相适应的分割算法,以提高系统的加速比及分布式状态空间生成的性能。     

基于扩展染色Petri网的工作流过程模型

尽管已有广泛领域应用,但工作流系统在处理业务流程不确定的和动态的参数规格表时存在局限性。为此,本文提出基于扩展染色petri网的CPWF-net以及定义变迁行为和原子过程作为CPWF-net工作流模式结构的支持。这些工作流模式是从微观上进行处理,并可应用于动态不稳定的与时间和数据相关的环境中。本文通过CPWF-net执行程序检测工作流错误或异常执行状态,评估动态业务流程的整体执行时间,证实所提方法的有效性。     

基于分布式感知-行为网的机器人实时环境学习和导航方法

利用机器人自身的时空经验,在缺乏全局坐标信息、罗盘信息和环境先验模型的情况下,建立基于分布式感知-行为网的空间模型.因为该网络是完全分布的,所以提供了定常的定位时间和线性的路径规划时间.实验结果表明,将分布式感知-行为网作为环境模型可以更好地与基于行为系统相融合;并且利用环境上下文匹配算法可以有效解决迷宫环境的"感知混淆"问题;文中给出了基于环境熟悉度的环境动态探测方法,实现了有效的环境探测.     

一种面向分布式深度学习系统的资源及批尺寸协同配置方法

如何在受限时间内满足深度学习模型的训练精度需求并最小化资源成本是分布式深度学习系统面临的一大挑战.资源和批尺寸超参数配置是优化模型训练精度及资源成本的主要方法.既有工作分别从计算效率和训练精度的角度,对资源及批尺寸超参数进行独立配置.然而,两类配置对于模型训练精度及资源成本的影响具有复杂的依赖关系,既有独立配置方法难以...     

分布式遗传退火算法求解分布式配置问题

利用分布式约束满足的方法求解分布式配置问题时,在过约束和欠约束条件下都不能得到令人满意的结果,文中将分布式配置问题抽象为分布式组合最优化问题,把遗传退火算法扩展到分布式计算环境以求解分布式配置问题,以SOAP为基础搭建实验平台,在各种约束情况下,文中算法都给出了令人满意的实验结果,可见分布式遗传退火算法可以求解各种约束条件下的分布式配置问题。     

分布式数据库服务器系统及其自适应配置管理策略

服务器冗余技术在解决传统分布式环境的可用性和性能瓶颈问题的同时,给系统的管理带来了新的挑战．介绍了一种分布式数据库服务器DDSS的构成原理及工作模型．为了解决当前冗余服务系统的配置管理中存在的冗余资源动态可扩展性不强的问题,针对服务器DDSS(模型把系统中的每种服务抽象成为一个对象类,并提出同一个服务对象类的多个实例互为冗余服务),对冗余资源的配置管理问题进行讨论,并提出基于移动代理技术的自适应配置管理ACM(adaptive configuration management)策略,在保证系统可用性的前提下提高系统的性能,减少资源浪费．在ACM中,通过定义奖惩函数(对于静态配置)和用户请求到达率(对于动态配置)来作为配置依据,对冗余实例进行动态增加或删除．最后,对算法的性能进行了分析、测试,并与传统算法进行了比较．     

基于DCSP的煤矿应急救援资源调配方法

在大规模群体突发事件发生后,如何实时及有效地调配资源,是保障应急救援快速实施的关键。以煤矿应急救援为背景,探讨合适的资源调配方法。分布式约束满足问题(D(',SP-Distributed Constraint Satisfaction Problem)擅于表示及求解分布式环境下以协作性为主的问题,是一种解决具有信息分布、需求随环境动态变化等特点的资源调配问题的有效方法,而煤矿应急救援问题正好具有这样的特征。因此,采用DCSP方法来解决煤矿应急救援中的资源调配问题,抽取并构建了煤矿应急救援资源调配的模型,讨论了Agent模型和约束模型的定义,改进了MAWS(MAWS-Multiple Asynchronous Weak-commitment Search)算法。经实验验证,采用DCSP方法可在事故发生后的较短时间内做出有效的资源调配决策,减少资源送达到事故点的时间,为应急救援争取了大量救援时间,从而减少了煤矿事故发生后的人员伤亡和经济损失。     

基于双层规划的容器云资源动态配置算法

本文分析容器云资源动态配置决策问题,通过定义容器云资源的调度任务,求解得到容器云资源调度时间;利用容器云资源调度任务的最短时间矩阵,获取容器云资源调度所需的条件。在双层规划条件下,求解容器云资源调度的目标函数和约束函数;考虑到用户的任务情况和云数据中心的云资源状况,在虚拟机上构建一个到物理主机的矩阵,通过构建容器云资源动态配置结果在优化时的目标函数,结合约束条件,实现容器云资源的动态配置。实验结果表明,资源动态配置算法不仅可以提高容器云资源的利用率,还可以减少配置完成时间,具有更好的动态配置性能。     

基于模糊控制的分布式服务流程引擎自动配置策略

在面向大规模业务的分布式服务流程应用环境中,服务流程的分布式执行引擎的自动配置管理是一个非常重要的问题.现阶段,简单的、静态的引擎节点配置并不能达到很好的效果.为此,提出了一种新的引擎自动配置管理算法,即基于模糊控制的服务流程引擎自动配置算法,同时在一个基于JINI的分布式服务流程引擎系统中,比较了该动态配置算法和常见的静态算法的性能.实验结果表明,该自动配置策略较静态策略而言能明显提高服务流程引擎系统整体响应时间的稳定性,使得服务流程引擎服务器能够根据外部请求负载情况进行自动的调节和配置,从而更好地适应不断变化的运行环境.     

远程故障诊断系统体系结构研究

远程故障诊断系统有两个主要特点：多资源协作性和多设备适应性,因此远程故障诊断系统可以表示为一个由设备、资源和时间共同表达的分布式协作计算环境,建立了远程协作诊断系统的功能层次模型,并且论述了采用系统两级重构实现软件模块重用和诊断资源共享的方法。     

面向大数据复杂应用的虚拟集群动态部署模型

针对计算负载的时变性和复杂性导致虚拟集群的资源利用率不高的问题,为提高虚拟集群资源的全局利用率,采用弹性资源管理策略来吸收多种计算模式混杂时的资源需求突变。在Docker容器技术的支持下提出一个根据作业需求变化的动态部署模型。该模型根据资源的动态需求变化,实时调整虚拟集群的计算形态,具体包括计算节点的类型及规模。该模型不仅实现用户作业执行环境的动态定制,而且达到错峰计算的目的。仿真实验表明,该模型使得虚拟节点CPU利用率提升5.3%,并且优化了计算作业的执行效率。该动态部署模型适合应用到数据中心或大规模集群中,能够有效提高计算资源的利用率。     

基于Kubernetes的分布式TensorFlow平台的设计与实现

文中介绍了基于Kubernetes的分布式TensorFlow平台的设计与实现,针对分布式TensorFlow存在的环境配置复杂、底层物理资源分布不均、训练效率过低、模型研发周期长等问题,提出了一种容器化TensorFlow的方法,并基于Kubernetes容器PaaS平台来统一调度管理TensorFlow容器。 文中将Kubernetes和TensorFlow的优点相结合,由Kubernetes提供可靠、稳定的计算环境,以充分发挥TensorFlow异构的优势,极大地降低了大规模使用的难度,同时建立了一个敏捷的管理平台,实现了分布式TensorFlow资源的快速分配、一键部署、秒级启动、动态伸缩、高效训练等。