导读:本文包含了主机负载论文开题报告文献综述及选题提纲参考文献，主要关键词:云计算,ARMA,ENN,负载预测
主机负载论文文献综述
江伟,陈羽中,黄启成,刘漳辉,刘耿耿[1]（2018）在《一种云环境下的主机负载预测方法》一文中研究指出云计算是一种基于信息网络的计算模式和服务模式,它将信息技术资源以服务方式动态、弹性地提供给用户,使用户可以按需使用。由于受到主机的启动时间、资源分配时间以及任务调度时间等因素的影响,在云环境下提供给用户的服务存在时延问题。因此,工作负载预测是云环境下一种重要的能源优化的方式。此外,由于云中工作负载的变化具有十分大的波动性,因此增加了预测模型的预测难度。提出了一种基于自回归模型和Elman神经网络的预测模型(Hybrid Auto Regressive Moving Average model and Elman neural network,HARMA-E),其使用ARMA模型进行预测,再使用ENN模型对ARMA模型的误差进行预测,通过修正ARMA的输出值得到最终的预测值。仿真实验结果表明,该预测模型能够较好地提升主机负载预测值的准确度。(本文来源于《计算机科学》期刊2018年S1期）
路瑶[2]（2018）在《Web服务移动主机负载均衡技术研究》一文中研究指出移动设备在人们生活中的地位急剧增加,无线网络的发展使得在移动设备上提供的Web服务广受认可。然而,移动设备自身资源有限,导致某些Web服务在移动设备上执行效果不佳或服务请求无法执行。为了保证移动Web服务的正常运行,本文在Web服务移动设备中引入负载均衡技术,将服务请求分发到不同的移动设备上去执行以提高移动设备的执行能力。本文在对移动主机、Web服务、负载均衡以及服务划分等技术进行分析和总结的基础上,对Web服务移动主机负载均衡技术进行了深入研究。首先,设计了一个Web服务移动主机负载均衡框架,该框架给出了移动主机负载均衡的整个实现过程,达到了合理利用移动设备资源、提高Web服务执行效率的目的。提出了一个Web服务移动主机负载均衡算法并将其应用到Web服务移动主机负载均衡框架中。为了实现负载均衡,该算法将消耗资源较大的组合服务进行多次划分并分发到不同的辅助移动主机上并行执行,即将单主机无法执行的服务请求转化为多主机执行,以此提高辅助移动主机群的执行能力、缩短用户请求的响应时间。接下来,对Web服务移动主机负载均衡框架和负载均衡算法进行了实现并将提出的Web服务移动主机负载均衡算法与一些相关算法的研究进行了实验对比,总结了常用负载均衡算法的优势与不足。最后,给出一个大连生活助手应用案例,验证了本文研究的Web服务移动主机负载均衡框架和算法的有效性。(本文来源于《大连海事大学》期刊2018-01-01）
江马群,陈渝,王小玲,唐宁九,林涛[3]（2014）在《基于马尔可夫链的主机负载预测能耗优化算法》一文中研究指出现代服务应用对计算能力需求的快速增长导致云计算数据中心能耗加剧,为解决数据中心能耗问题,本文提出了一种新的融合马尔可夫链和能耗感知选择策略的能耗优化算法——基于预测的能耗优化算法(Prediction based Energy Consumption Optimization Algorithm,PECOA).实验结果表明,PECOA算法在保证服务质量的前提下,能耗与基于最小虚拟机迁移时间的本地回归算法(Local Regression based on Minimum Migration Time,lr_mmt_1.2)相比降低了约11.04%,验证了本文方法的有效性.(本文来源于《四川大学学报(自然科学版)》期刊2014年04期）
龚波[4]（2011）在《分布式环境中主机负载预测的研究》一文中研究指出准确预测主机负载是提高动态负载均衡性能的关键,本文例举了几种常见的主机负载预测的算法,并分析了其中不足。提出了基于遗传神经网络的主机负载预测方法,通过实验证明其可行性。(本文来源于《信息系统工程》期刊2011年12期）
谢芳清,覃毅[5]（2010）在《基于主机负载预测的动态任务调度算法研究》一文中研究指出提出一种基于遗传神经网络的主机负载预测模型,并基于该模型设计了集中式任务调度算法CJD-HLP。CJD-HLP采用预测法提前获得主机负载信息,保证了任务调度时使用决策信息的实时性、准确性,避免了负载迁移的抖动问题。实验结果表明,该算法较基于实测法的其他任务调度算法在性能上有较大提高。(本文来源于《电脑知识与技术》期刊2010年02期）
陈荣征,李广松[6]（2009）在《基于遗传神经网络的主机负载预测方法研究》一文中研究指出准确预测主机负载是实现高效动态负载均衡的关键,也是判断负载是否出现异常的重要依据。文章分析了采用时间序列方法进行主机负载预测的不足,提出了基于遗传神经网络的主机负载预测方法,建立了预测模型,并对模型进行了实验评估。(本文来源于《计算机时代》期刊2009年10期）
陶洋,黄涛,唐毅[7]（2009）在《基于主机负载的任务执行时间预测研究》一文中研究指出在网格计算中,预测网格节点性能的动态变化和网格任务的执行情况是影响网格任务高效调度是否成功的最重要因素之一。结合主机负载和任务执行时间的线性关系,研究分析了一种基于主机负载的任务执行时间预测算法。利用仿真实现了这种算法,对基于主机负载实现任务执行时间预测的可靠性进行了实验论证,并给出了预测精度的评价结果。(本文来源于《计算机应用》期刊2009年10期）
李春辉,戚淑芬,李静[8]（2009）在《分布式系统主机负载预测方法的评估》一文中研究指出动态负载均衡是网络计算的关键技术,如何提高动态负载均衡的性能,一直是网络计算人员研究的一个热点.通过实验评估比较了线性时间序列模型、特殊的自我平衡及趋势预测时间序列模型、神经网络BP模型的预测性能,获得了各预测模型的优劣,从中选择了具有较佳预测性能的时间序列AR、混合趋势预测MT两种预测模型构建了预测模型模板库。(本文来源于《科技创新导报》期刊2009年07期）
余建军,秦本涛,蒋晓丹[9]（2008）在《基于基因表达式编程的网格主机负载时间序列分析》一文中研究指出针对网格主机负载的特性,本文提出基于基因表达式编程和滑动窗口法构造网格主机负载时间序列模型的方法,扩充美国Dinda所开发的RPS的实验环境以支持基因表达式编程模型,并用该系统对Dinda和O’Halloran在1997年和1998年对39台DECAlphaDUX主机进行抽样所获得的主机负载信息进行实验。结果表明,用本文所提出的方法所构造的预测模型同自动回归模型(AR)相比,具有更高的预测精确度。(本文来源于《计算机工程与科学》期刊2008年08期）
陈荣征[10]（2008）在《基于主机负载预测的机群动态任务调度策略研究》一文中研究指出机群系统的迅速发展使其成为并行计算系统中令人瞩目的一族。机群系统的异构性、开放性和网络延迟特性给网络并行计算带来了新的挑战。其中,任务调度策略是影响机群系统性能的关键,已经发展成为并行处理领域中的研究热点。任务调度问题就是指如何把一组任务分配给处理机去执行,获得最短的执行时间。有效的任务调度将使得机群系统中的各处理机能够更好地协调工作,从而充分发挥机群系统的计算潜力。由于机群系统上任务调度问题的一般形式和几种受限形式都是NP完全问题,为此,各国研究人员对其进行了大量的研究,提出了一系列动态任务调度算法。所有这些方法都从某方面改进了动态负载均衡,提高了机群的性能。但由于机群系统的任务是在各结点动态分配生成,并且各结点的负载会发生动态变化,这就给机群环境中任务的合理分配与调度提出重大挑战。如果在任务分配与调度之前能对主机负载进行精确的预测与度量,这必将很好的改进机群系统中任务调度的策略,提高机群并行计算的效率。准确预测主机负载是实现高效动态负载均衡的关键,也是判断负载是否出现异常的重要依据。传统的预测方法是将负载看作平稳时间序列,采用线性预测模型进行预测,方法简单但预测精度不高。由于主机负载具有非线性、非平稳的特征,而人工神经网络不需要建立精确的数学模型,具有较好的非线性特性,这就为主机负载预测开辟了新的途径。但人工神经网络存在易陷入局部极小值、全局搜索能力弱的缺点,而遗传算法具有较好的全局寻优搜索能力。遗传神经网络是将两者有机结合,利用遗传算法优化神经网络初始权值,既保留了遗传算法全局寻优能力强的优点,又兼有神经网络的非线性特性和快速收敛性。本文分析了采用时间序列方法进行主机负载预测时存在的不足,提出采用遗传神经网络预测模型进行主机负载预测,建立了预测模型并进行了实验评估。针对物探数据处理问题,将主机负载预测和动态任务调度进行有效结合,并对传统的集中式任务调度策略(CJD)进行改进,设计出基于PVM平台的动态任务调度策略(CJD-HLP),给出了该调度策略的实现模型和算法。最后,采用一个地质勘探中的电法勘探工程算例,对算法的性能进行了分析。(本文来源于《广东工业大学》期刊2008-05-01）
主机负载论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
移动设备在人们生活中的地位急剧增加,无线网络的发展使得在移动设备上提供的Web服务广受认可。然而,移动设备自身资源有限,导致某些Web服务在移动设备上执行效果不佳或服务请求无法执行。为了保证移动Web服务的正常运行,本文在Web服务移动设备中引入负载均衡技术,将服务请求分发到不同的移动设备上去执行以提高移动设备的执行能力。本文在对移动主机、Web服务、负载均衡以及服务划分等技术进行分析和总结的基础上,对Web服务移动主机负载均衡技术进行了深入研究。首先,设计了一个Web服务移动主机负载均衡框架,该框架给出了移动主机负载均衡的整个实现过程,达到了合理利用移动设备资源、提高Web服务执行效率的目的。提出了一个Web服务移动主机负载均衡算法并将其应用到Web服务移动主机负载均衡框架中。为了实现负载均衡,该算法将消耗资源较大的组合服务进行多次划分并分发到不同的辅助移动主机上并行执行,即将单主机无法执行的服务请求转化为多主机执行,以此提高辅助移动主机群的执行能力、缩短用户请求的响应时间。接下来,对Web服务移动主机负载均衡框架和负载均衡算法进行了实现并将提出的Web服务移动主机负载均衡算法与一些相关算法的研究进行了实验对比,总结了常用负载均衡算法的优势与不足。最后,给出一个大连生活助手应用案例,验证了本文研究的Web服务移动主机负载均衡框架和算法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
主机负载论文参考文献
[1].江伟,陈羽中,黄启成,刘漳辉,刘耿耿.一种云环境下的主机负载预测方法[J].计算机科学.2018
[2].路瑶.Web服务移动主机负载均衡技术研究[D].大连海事大学.2018
[3].江马群,陈渝,王小玲,唐宁九,林涛.基于马尔可夫链的主机负载预测能耗优化算法[J].四川大学学报(自然科学版).2014
[4].龚波.分布式环境中主机负载预测的研究[J].信息系统工程.2011
[5].谢芳清,覃毅.基于主机负载预测的动态任务调度算法研究[J].电脑知识与技术.2010
[6].陈荣征,李广松.基于遗传神经网络的主机负载预测方法研究[J].计算机时代.2009
[7].陶洋,黄涛,唐毅.基于主机负载的任务执行时间预测研究[J].计算机应用.2009
[8].李春辉,戚淑芬,李静.分布式系统主机负载预测方法的评估[J].科技创新导报.2009
[9].余建军,秦本涛,蒋晓丹.基于基因表达式编程的网格主机负载时间序列分析[J].计算机工程与科学.2008
[10].陈荣征.基于主机负载预测的机群动态任务调度策略研究[D].广东工业大学.2008