大数据背景下的云联盟数据资源服务组合模型

doi:10.13196/j.cims.2016.12.020

计算机集成制造系统 ›› 2016, Vol. 22 ›› Issue (第12期): 2920-2929.DOI: 10.13196/j.cims.2016.12.020

大数据背景下的云联盟数据资源服务组合模型

张影¹,翟丽丽^1,2+,王京¹

1.哈尔滨理工大学管理学院
2.哈尔滨理工大学高新技术产业发展研究中心

出版日期:2016-12-31 发布日期:2016-12-31
基金资助:
国家自然科学基金资助项目(71272191,71672050);黑龙江省高等学校哲学社会科学创新团队建设计划资助项目(TD20123)。

Cloud computing federation data resource server composition in big data background

Online:2016-12-31 Published:2016-12-31
Supported by:
Project supported by the National Natural Science Foundation,China(No.71272191,71672050),and the University Philosophy and Social Sciences Innovation Team Building Program of Heilongjiang Province,China(No.TD20123).

摘要/Abstract

摘要： 针对大数据背景下的云联盟数据资源多服务问题,提出基于Agent的云联盟数据资源服务体系结构,在分析云联盟数据资源服务特征及组合流程的基础上,从任务请求过量和强QoS约束两种组合情形出发,构建了云联盟数据资源服务组合模型,并采用量子多目标进化算法进行求解。通过仿真实验,证明了模型及算法的可行性与有效性。

关键词: 大数据, 云联盟, 数据资源服务组合, 量子多目标进化算法

Abstract: To cope with multi-server oriented cloud computing federation problem in big data background,a cloud computing federation resource service system structure based on Agent was put forward.Through analyzing the characteristics and process of cloud computing federation data resource service,a service composition optimization model was established from the perspective of services shortage relative to tasks and service Qos constrains on tasks,and the quantum multi-objective evolutionary algorithm was adopted to solve this model.Simulation experiments results showed the feasibility and effectiveness of proposed model and algorithm.

Key words: big data, cloud computing federation, data resource service composition, quantum-inspired multi-objective evolutionary algorithms

中图分类号:

G203

张影,翟丽丽,王京. 大数据背景下的云联盟数据资源服务组合模型[J]. 计算机集成制造系统, 2016, 22(第12期): 2920-2929.

[1]	王誓伟,徐晓斌,梁中军. 基于城市计算的分布式异常数据分级过滤算法[J]. 计算机集成制造系统, 2021, 27(9): 2525-2531.
[2]	刘道元,郭宇,黄少华,方伟光,杨能俊. 基于DBN-DNN的离散制造车间订单完工期预测方法[J]. 计算机集成制造系统, 2020, 26(9): 2445-2452.
[3]	汤洪涛,费永辉,陈青丰,詹燕,鲁建厦,李晋青. 基于工业大数据的柔性作业车间动态调度[J]. 计算机集成制造系统, 2020, 26(9): 2497-2510.
[4]	杨程,谭昆,俞春阳. 基于评论大数据的手机产品改进[J]. 计算机集成制造系统, 2020, 26(11): 3074-3083.
[5]	景轩,姚锡凡. 大数据驱动的云雾制造体系架构[J]. 计算机集成制造系统, 2019, 25(第9): 2119-2139.
[6]	刘建康,郝尚华,王树华,富宏亚. 数据驱动的数控加工生产线实时监控与优化控制技术框架[J]. 计算机集成制造系统, 2019, 25(第8): 1875-1884.
[7]	胡小强,吴翾,闻立杰,王建民. 基于Spark的并行分布式过程挖掘算法[J]. 计算机集成制造系统, 2019, 25(第4): 791-797.
[8]	王万良,张兆娟,高楠,赵燕伟. 基于人工智能技术的大数据分析方法研究进展[J]. 计算机集成制造系统, 2019, 25(第3): 529-547.
[9]	任明仑,宋月丽. 大数据:数据驱动的过程质量控制与改进新视角[J]. 计算机集成制造系统, 2019, 25(第11): 2731-2742.
[10]	姚锡凡,刘敏,张剑铭,陶韬,蓝宏宇,葛动元. 人工智能视角下的智能制造前世今生与未来[J]. 计算机集成制造系统, 2019, 25(第1): 19-34.
[11]	徐泉,王良勇,刘长鑫. 工业云应用与技术综述[J]. 计算机集成制造系统, 2018, 24(第8): 1887-1901.
[12]	姚艳,曹健,田晓亮. 实时分析工作流调度方法[J]. 计算机集成制造系统, 2018, 24(第7): 1698-1705.
[13]	周佳军,姚锡凡,刘敏,张剑铭,陶韬. 几种新兴智能制造模式研究评述[J]. 计算机集成制造系统, 2017, 23(第3期): 624-639.
[14]	翟丽丽,沃强,张树臣. 制造业大数据联盟资源推送服务算法[J]. 计算机集成制造系统, 2017, 23(第11): 2371-2381.
[15]	朱雪初,乔非. 基于工业大数据的晶圆制造系统加工周期预测方法[J]. 计算机集成制造系统, 2017, 23(第10): 2172-2179.

大数据背景下的云联盟数据资源服务组合模型

Cloud computing federation data resource server composition in big data background

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics