-
公开(公告)号：CN111290831A
公开(公告)日：2020-06-16
申请号：CN202010056399.0
申请日：2020-01-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种云计算中基于强化学习的虚拟机自适应迁移策略，包括步骤：S1：采集负载数据，预测每个虚拟机的负载；S2：依据负载预测的结果更新服务节点的状态；S3，初始化数据中心的强化学习模型，即状态集、动作集、状态转移概率、收益和折扣因子；S4：确定强化学习的每一组状态-行为对Q(s，a)的值，即在状态s下采用行为a的收益值；S5：使用贪心算法选择行为a；S6：收集数据中心系统的反馈信息S7：根据强化学习的结果进行虚拟机的迁移调度，更新服务节点的状态到s′，并更新状态行为对Q(s′，a)的值；S8：循环S1到S7直至目标值达到最优或者迭代次数达到阈值。
-
公开(公告)号：CN111328023B
公开(公告)日：2021-02-09
申请号：CN202010058804.2
申请日：2020-01-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于预测机制的多任务竞争卸载方法，包括下列主要步骤：S1，得到用户停留区域，原轨迹点序列转换为停留区域序列；S2，利用动态参数部分匹配预测算法训练预测模型，根据用户的停留区域序列，预测用户下一个最有可能要到达的停留区域；S3，基于预测结果，计算用户下一个最有可能要到达的停留区域与基站之间的距离，并计算数据传输速率；S4，建立能耗最小化模型；S5，采用变异萤火虫算法进行优化问题求解，得到最终卸载决策。(1)本发明考虑了用户设备移动性对数据传输速率的影响，使得卸载策略的制定更加贴近实际情况，避免了预期外能耗；(2)相比遗传算法等传统的智能算法，本文采用的变异萤火虫算法全局收敛能力更强，性能更优。
-
公开(公告)号：CN111328023A
公开(公告)日：2020-06-23
申请号：CN202010058804.2
申请日：2020-01-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于预测机制的多任务竞争卸载方法，包括下列主要步骤：S1，得到用户停留区域，原轨迹点序列转换为停留区域序列；S2，利用动态参数部分匹配预测算法训练预测模型，根据用户的停留区域序列，预测用户下一个最有可能要到达的停留区域；S3，基于预测结果，计算用户下一个最有可能要到达的停留区域与基站之间的距离，并计算数据传输速率；S4，建立能耗最小化模型；S5，采用变异萤火虫算法进行优化问题求解，得到最终卸载决策。(1)本发明考虑了用户设备移动性对数据传输速率的影响，使得卸载策略的制定更加贴近实际情况，避免了预期外能耗；(2)相比遗传算法等传统的智能算法，本文采用的变异萤火虫算法全局收敛能力更强，性能更优。
-
公开(公告)号：CN111258980A
公开(公告)日：2020-06-09
申请号：CN202010058803.8
申请日：2020-01-18
Applicant: 重庆邮电大学
IPC: G06F16/182 , G06F16/11 , G06F9/50 , G06N3/00
Abstract: 本发明请求保护一种云存储系统中基于组合预测的动态文件放置方法，包括下列主要步骤：S1，依据文件的历史访问量，获取文件访问量的时序序列；S2，根据文件访问的访问量的时序序列和设置的一个文件响应时间阈值计算文件的副本数目；S3，利用IOWA算子组合预测方法对文件的下周期访问经行预测，根据预测结果计算下周期文件副本的数目；S4，以降低云副系统平均访问延迟，提高系统可靠性和均衡系统负载构建云存储系统目标优化函数；S5，根据文件副本变化数目和存储系目标优化函数，通过布谷鸟对存储系统的文件副本进行增加和删减。本发明提高了文件访问量的预测精确度；降低了文件的平均访问延迟。
-
-
-
Search Results
4
records
(took 0.016 seconds)
