服务计算中服务质量的多目标优化模型与求解研究
摘要：随着信息技术的不断发展和进步,传统的面向组件和系统的架构模式逐渐演变成面向服务的设计模式.服务计算作为一种新兴的计算模式应运而生并广泛应用于各个领域.随着用户和服务供应商需求日趋多样化,如何对服务系统进行最佳配置和管理,提供最优的服务质量,越来越受到研究者的关注,服务计算中服务质量的多目标优化成为研究热点.由于不同目标之间可能存在相互制约和折中的关系,多目标优化问题面临着难题和挑战.文中从服务计算中广泛关注的多维度指标体系出发,结合具体的研究问题,总结了5种典型的多目标优化模型,并从适用性、求解难度等多个角度对它们进行了分析和比较,同时讨论了模型的相互关系.对应优化模型,介绍和分析了常用的多目标优化求解方法.最后,对全文进行了总结,并对下一步的研究方向进行了展望.云计算数据中心光互连网络：研究现状与趋势
摘要：数据中心是云计算的核心支持平台,云计算的发展对数据中心网络架构提出了严峻的挑战,传统电互连网络架构难以在带宽、设备开销、能耗、管理复杂度等方面同时满足云应用的要求,因此以低能耗、低开销、高带宽为特点的光互连网络架构出现并受到研究人员的广泛关注.该文在对比电互连技术和光互连技术基本特点的基础上,对数据中心光互连网络的研究现状展开综述,具体介绍了现有的光电混合网络、集中式全光网络和分布式全光网络,并从交换机制、扩展性、技术可行性、设备开销等方面对上述网络架构进行了对比分析.最后该文对数据中心光互连网络的未来研究趋势进行了总结和展望.面向ASCRA的循环流水启动间距自动分析及优化
摘要：在实现循环到流水硬件结构自动映射过程中,迭代间启动间距的自动分析技术是可重构编译器研究的难点.在现有细粒度可重构编译器中,主要采用人工输入制导语句的方法来控制循环并行流水硬件结构自动映射所需启动间距信息的生成,该方法只能采用固定启动间距方式对流水硬件结构进行控制,不能充分发挥并行流水硬件结构的性能,同时人工确定启动间距的方法降低了可重构计算应用的部署效率.针对细粒度可重构编译器的现状,文中提出了一种面向ASCRA的循环流水启动间距自动分析及优化方法.在细粒度可重构编译器中,建立多层循环流水迭代间启动间距分析模型,提出非固定启动间距控制策略,采用自动生成算法得到迭代间启动间距向量信息,并采用流水线调度技术对迭代间启动间距进行优化.实验结果表明,与现有HLS工具相比,文中方法不仅能够提高可重构计算应用在异构加速平台上的部署效率,同时能够有效改善循环应用在FPGA协处理器中流水执行时的性能,具有一定的可行性.BDSim：面向大数据应用的组件化高可配并行模拟框架
摘要：大规模并行模拟是研究大数据体系结构的重要方法,对大数据应用及众核体系结构的发展有着不可替代的推动作用.然而,目前的模拟技术不能满足大数据体系结构研究的需求,主要体现在模拟速度慢、配置过程复杂以及可扩展性差等方面.为了解决此问题,评估面向大数据应用的高通量众核体系结构的性能与功耗,该文提出了面向大数据应用的并行模拟框架——BDSim.该框架基于组件化思想,将功能组件与框架服务单元组成并行功能单元,并可根据负载情况,自由配置组件与框架服务单元之间的映射关系.为了提高组件之间的通信和同步效率,该文提出了一种非阻塞无锁通信优化方法,和一种CMB保守同步算法的优化算法——NMTRT-CMB同步算法.模拟不同并发规模的基于2D-Mesh网络的众核系统的实验结果表明,与基于锁的并行通信方法相比,框架采用的非阻塞无锁通信优化方法可以提高并行模拟速度约10%,该算法与CMB同步算法相比,NMTRT-CMB同步算法可以减少空消息数量达90%以上.绿色数据中心的热量管理方法研究
摘要：数据中心的高能耗是一个亟待解决的问题.尤其是随着云计算的发展,更多的资源集中到云端.构建绿色数据中心、实现节能减排成为了近年来业界关注的热点.数据中心的能耗主要由计算能耗和制冷能耗两部分组成.数据中心的热量管理主要从减少制冷能耗的角度出发,为实现绿色计算提供了新的思路.该文从绿色数据中心的状态监控、热量建模、热量管理策略以及热量管理评价4个方面综述了近年来数据中心热量管理方面的研究工作.该文提出了绿色数据中心热量管理的总体架构,总结了其分布式监控系统的一般框架;对现有的热量管理方法按面向单节点/面向多节点进行分类,并且从复杂度、灵活度、实施效果等多方面进行了比较,分析了各种方法的优势和局限性.文中提出了数据中心全局能耗评价、制冷系统效率评价、热量及温度评价的分类方法,对现有的评价方法进行总结.最后论文列出了未来需要进一步研究的十个方向.一种基于FAHP的多维QoS局部最优服务选择模型
摘要：为更全面地考量服务质量（QoS）属性对服务最优选择的影响,进而提高服务组合的效率,该文提出了一种基于模糊层次分析法（FAHP）的多维QoS局部最优服务选择模型.模型首先定义了以QoS的真实度属性作为分量之一的多维QoS向量,并将QoS的真实度属性值作为赋权计算的依据,以使权重结果更合理、可信;之后,建立了包含双重质量属性（客观属性和主观评价）的模糊层次结构,以全面考量主客观QoS属性对服务最优选择的影响;在此基础上,构造了可根据决策者的偏好与侧重动态调整权重分辨率的FAHP赋权模式,该赋权模式与传统的赋权模式不同,该赋权模式下的权向量不是唯一的（但权重的排序唯一）,而是一个包含可调参数的函数,通过参数的调整,可保留（或剔除）决策者偏好（或放弃）的候选服务,一方面使服务使用者在选择服务时更理智,另一方面也促使服务提供者进一步完善服务质量;最后,利用组合权向量及序数效用函数值得到了局部最优服务.与文献中已有赋权模式的对比实验（包括候选服务效用值的对比、相关QoS属性值的对比等）及参数的敏感性分析说明了模型的有效性,其决策结果在一定程度上提高了局部最优服务选择的科学性及合理性.在线社交网络中异常帐号检测方法研究
摘要：异常帐号检测是在线社交网络安全研究的关键问题之一.攻击者通过异常帐号传播广告、钓鱼等恶意消息以及恶意关注、点赞等行为严重威胁正常用户的信息安全和社交网络的信用体系,为此有大量的研究工作来检测社交网络中异常帐号.文中回顾了近年来在线社交网络中异常帐号检测的主要成果,阐述了异常帐号在不同发展阶段的表现形式以及检测异常帐号所面临的主要挑战,重点从基于行为特征、基于内容、基于图（Graph）、无监督学习四个方面总结了异常帐号检测方案,介绍了在实验过程中数据获取、数据标识以及结果验证的主要方法,并对未来异常帐号检测的研究趋势进行了展望.基于用户名特征的用户身份同一性判定方法
摘要：由于用户通常注册使用多个网络应用,因而在互联网中存在着许多重复的用户身份.对重复用户身份的判定与整合在商业领域和网络安全领域都有十分重要的意义.由于用户出于隐私安全的考虑,其在互联网中提供的个人信息通常不完整或者部分内容是虚假的.考虑到用户名能够反映出用户的个性或习惯,较易获得且不涉及隐私问题,因此文中提出了一种仅依靠用户名特征进行用户身份同一性判定的方法.首先文中对用户身份同一性判定问题进行了形式化描述,进而将用户名特征分为直观特征和对比特征两类,并对用户名特征的概率分布进行了量化分析.在此基础上,文中提出了一种身份同一性判定方法,对指定用户名对是否属于同一用户进行鉴别.进而提出了一种给定单个用户名时,在用户名候选集合中检索可能属于该用户的其他用户名的方法.最后在大规模真实数据集上进行了一系列实验,证实了提出的方法的有效性.一种高效率的实时协同编辑中的意图保持操作转换算法
摘要：作为一类高级分布式系统,实时协同编辑系统允许不同地点的用户同时编辑共享文档,具有高响应性和高并发性的特点.操作转换（Operational Transformation,OT）算法能够保留所有用户操作的效果并维护数据的一致性,是协同编辑系统首选的并发控制方法.为了提高远程操作的响应时间,文中提出了一种意图保持的OT算法（Merging Operations based Operational Transformation,MOOT）.该算法基于这样一个事实,大多数情况下,协同编辑中插入操作的数量明显多于删除操作.因此,MOOT构造了一种优化的操作历史结构,即删除操作排在插入操作前面,避免算法的计算时间依赖于大多数操作.更进一步,MOOT在重构过程中移除无效操作,有效的压缩了操作历史的大小.为了验证算法的有效性,在不同插入比例情况下,将MOOT算法与当前性能最优的ABT算法进行了对比实验.实验结果表明,MOOT算法具有更高的计算效率,在合理的比例情况下,其计算时间大约是ABT算法的计算时间的十分之一.基于差异合并的分布式随机梯度下降算法
摘要：大规模随机梯度下降算法是近年来的热点研究问题,提高其收敛速度和性能具有重要的应用价值.大规模随机梯度下降算法可以分为数据并行和模型并行两大类.在数据并行算法中,模型合并是一种比较常用的策略.目前,基于模型合并的随机梯度下降算法普遍采用平均加权方式进行合并,虽然取得了不错的效果,但是,这种方式忽略了参与合并的模型的内在差异性,最终导致算法收敛速度慢,模型的性能及稳定性较差.针对上述问题,该文在分布式场景下,提出了基于模型差异进行合并的策略,差异性主要体现在两方面,各模型在其训练数据上错误率的差异和训练不同阶段模型合并策略的差异.此外,该文对合并后的模型采用规范化技术,将其投射到与合并前模型Frobenius范数相同的球体上,提高了模型的收敛性能.作者在Epsilon、RCV1-v2和URL 3个数据集上,验证了提出的基于差异合并的分布式随机梯度下降算法相对于平均加权方式具有收敛速度更快、模型性能更好的性质.面向满意度预测的滑鼠行为量化分析方法
摘要：现有信息检索研究领域中,衡量知识学习质量和信息获取精度的核心标准是信息与用户需求的相关性（量化指标为相关度）.然而,这一测度往往无法直观反映用户对信息伪反馈的＂满意度＂.相比于多媒体（文字语言、图像、音频和视频）之间可测可量的相关度,由用户主观认知驱动的满意度往往无法通过直观的量化方法予以获取和测量.针对这一问题,文中提出一种基于鼠标滑动（Mouse Movement,简称＂滑鼠＂）运动学规律的＂满意度＂量化分析和预测方法.该方法集中于人类肢体活动驱动下的滑鼠滑行轨迹分析,借助复杂滑行过程中滑鼠呈现出的动力学能量,间接预测人类思维活跃的程度,以此估计用户接触特定信息伪反馈时隐式反射出的满意度.实验验证,该方法能够有效辅助信息检索过程中的用户体验分析.一种综合语义和时效性意图的检索结果多样化方法
摘要：当前,检索结果多样化作为一种提升用户满意度的有效方法已成为Web和数据库检索、文本摘要及推荐系统等领域的研究热点之一.但已有研究工作大都只考虑语义多样化策略.而实际上,多样化是一个非常复杂的优化问题,还需考虑许多其他的策略,如新颖性、质量、价值等.众所周知,Web是一个动态的信息空间,用户的查询需求也随时间不断演化,只有在一个特定的时间模式下,检索系统才能返回满意的结果.故该文提出一种新的结合语义和时效性两个维度的查询结果多样化方法.该文首先给出了多维度查询结果多样化框架的通用定义.然后,对于给定的查询,探讨了如何基于文档、词和查询频率来计算其时效性意图的概率分布.之后,提出一种新的针对时效性多样化的评价方法.最后,构建了针对多维度多样化问题的真实数据集,并通过实验证明该文提出的方法,不管是在传统的多样化评价指标上,还是在该文提出的时效性多样化指标上,性能都超过了当前主流的基准方法.无线传感器网络中最小化通信开销的近似监测算法
摘要：聚集值的约束违反监测有助于检测监测区域内异常事件的发生.传感器节点由于电源能量耗尽的原因经常失效或废弃,因此研究无线传感网的高能效的监测算法具有重要意义.已有的研究工作给出了启发式的阈值设置方法,通信能量开销较高并且没有考虑感知数据的特性,忽略了噪声对感知数据的影响.鉴于上述原因,以最小化通信开销为优化目标,文中开展了过滤器最优阈值的研究.首先,文中提出了通信开销模型,给出了过滤器最优阈值问题的形式化定义,其次,通过一维随机游走来模拟感知数据的变化并推导出过滤器失效概率的计算公式,通过拉格朗日乘子法给出了求解过滤器最优阈值的数学方法,第三,提出了低计算复杂度的过滤器最优阈值近似算法并分析了近似算法的近似比.理论分析和实验结果验证了提出的算法的正确性以及高效性.无线传感器网络应用简单Reed-Solomon编码的低能耗和低时延可靠数据收集方案
摘要：无线传感器网络的数据链路层和物理层通常采用低功率低数据率的IEEE 802.15.4标准,其节点由能量极为有限的电池供电,且无线链路易丢包,而且在无线传感器网络的一些应用中,需要在给定的时间内将数据汇集到基站,因此,设计一种节能、低时延且可靠的数据收集方案对无线传感器网络的应用极为重要.文中利用Reed-Solomon（RS）编码以提高数据传递可靠性,致力于将能耗、数据收集率、数据收集时延、数据包编码方案整合为一个优化问题;给出了简单RS码字即S-RS码字集合,证明了该码字集合中任何n个码字是线性独立的;详细叙述了基于S-RS码字集合以及段内编码和段间编码的数据收集策略即S-RS数据收集策略的具体步骤;利用概率论推导出了S-RS数据收集策略的总能耗、数据收集率和时延公式,并依此建立了时延和数据收集率约束下的能耗最小化这一优化问题.该优化问题可行解空间很小,可以通过穷举法获得最优解.通过求解该优化问题,节点能够设置最优的数据包编码和重传参数,使得在时延和数据收集率约束下能耗达到最小.数值分析与仿真表明,S-RS数据收集策略能够以较低的能耗达到较高数据收集率和较低时延要求.此外,可以利用导出的总能耗、数据收集率和时延,通过优化S-RS数据收集策略的参数,最大化数据收集率,最小化时延,也可以同时对总能耗、数据收集率和时延中的两者或三者进行优化.