计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
7期
1837-1842,1853
,共7页
云计算%资源再分配%用户评价%自适应%神经网络
雲計算%資源再分配%用戶評價%自適應%神經網絡
운계산%자원재분배%용호평개%자괄응%신경망락
cloud computing%resource re-allocation%user evaluation%self-adaptive%neural network
针对以往关于云资源管理分配的研究中多从云运营商的角度出发,未充分利用用户评价来改善资源决策能力的问题,提出了一种关注用户服务评价反馈的资源再分配方法.首先,通过分析云中心资源分配的过程,抽取出影响资源决策的要素,提出关注用户服务评价的自适应云资源分配框架;其次,阐明用户服务评价参与云资源管理的基本原理,建议一种用户服务满意度的量化度量;最后,基于相似性理论,预测用户对新任务的期望满意度,合并用户任务参数以及当前环境参数,作为BP神经网络的输入,进行资源分配方案的决策.在和无用户评价参与的资源分配方案比较的仿真实验中,其平均用户满意度提高了7.4％,保持在0.8以上,总体呈稳定上升趋势;与Min-Max算法、云任务与云资源满意婚配(CTRSM)算法比较,平均用户满意度分别提高了16.7％和4.6％.实验结果表明关注用户服务评价反馈的资源再分配方法是能够自我完善的,能够提高云资源自适应管理的能力.
針對以往關于雲資源管理分配的研究中多從雲運營商的角度齣髮,未充分利用用戶評價來改善資源決策能力的問題,提齣瞭一種關註用戶服務評價反饋的資源再分配方法.首先,通過分析雲中心資源分配的過程,抽取齣影響資源決策的要素,提齣關註用戶服務評價的自適應雲資源分配框架;其次,闡明用戶服務評價參與雲資源管理的基本原理,建議一種用戶服務滿意度的量化度量;最後,基于相似性理論,預測用戶對新任務的期望滿意度,閤併用戶任務參數以及噹前環境參數,作為BP神經網絡的輸入,進行資源分配方案的決策.在和無用戶評價參與的資源分配方案比較的倣真實驗中,其平均用戶滿意度提高瞭7.4％,保持在0.8以上,總體呈穩定上升趨勢;與Min-Max算法、雲任務與雲資源滿意婚配(CTRSM)算法比較,平均用戶滿意度分彆提高瞭16.7％和4.6％.實驗結果錶明關註用戶服務評價反饋的資源再分配方法是能夠自我完善的,能夠提高雲資源自適應管理的能力.
침대이왕관우운자원관리분배적연구중다종운운영상적각도출발,미충분이용용호평개래개선자원결책능력적문제,제출료일충관주용호복무평개반궤적자원재분배방법.수선,통과분석운중심자원분배적과정,추취출영향자원결책적요소,제출관주용호복무평개적자괄응운자원분배광가;기차,천명용호복무평개삼여운자원관리적기본원리,건의일충용호복무만의도적양화도량;최후,기우상사성이론,예측용호대신임무적기망만의도,합병용호임무삼수이급당전배경삼수,작위BP신경망락적수입,진행자원분배방안적결책.재화무용호평개삼여적자원분배방안비교적방진실험중,기평균용호만의도제고료7.4％,보지재0.8이상,총체정은정상승추세;여Min-Max산법、운임무여운자원만의혼배(CTRSM)산법비교,평균용호만의도분별제고료16.7％화4.6％.실험결과표명관주용호복무평개반궤적자원재분배방법시능구자아완선적,능구제고운자원자괄응관리적능력.
