论文部分内容阅读
随着云计算技术的兴起,服务以爆炸性的方式进行增长,越来越多的人在生活和工作中都使用云服务,云服务已经成为IT服务的主流趋势。云计算环境的动态性和开放性,使得用户需求也会频繁的发生变化,为了适应开放的云计算环境,云服务需要进行一定的自适应演化。由于具有持续可用性的特点,云服务演化已成为的当前的研究热点,但是在当前的研究中,很少有对云服务自适应演化的研究,在这些少量的研究中,很少考虑服务质量(Quality of Service,Qo S)的问题。针对上述问题,本文以云服务为研究对象,以Qo S为评价标准,主要对云服务自适应演化以及演化过程中的服务优选问题进行研究。首先,考虑到在云服务自适应演化中,经常性的会出现上下文信息(需求信息)的改变,对自适应演化进行相关的定义,探讨并描述了适用于云计算环境下服务的Qo S的评价标准及其量化公式,随后给出了具体的自适应演化框架以及考虑到优选过程中服务异常信息,结合自适应演化框架,针对演化过程中的操作情况,给出自适应演化操作,并且提出自适应演化算法,该算法综合考虑了本文描述的Qo S评价标准,以保证演化后的服务能够满足用户的需求。其次,针对自适应演化过程中的云服务优选问题,先对云服务进行分类预处理,减少优选时间,分析了云服务在四种组合基本结构下的Qo S的计算表达式,进而将问题转换成云服务优选的多目标规划问题,并结合粒子群分布估计算法的框架,提出混和粒子群算法来对问题进行求解。最后,对上述问题进行仿真实验分析,主要是对本文采用的提出的算法进行了有效性验证和效率对比验证,并对实验结果进行分析,本文的算法在效率性上有一定的优势。本文在云服务自适应演化研究中,提出了自适应演化算法和服务优选算法,并且以Qo S为衡量标准,对云服务的操作更加的合理,提高了整体服务的Qo S值,针对需求变化进行自适应演化,不仅能够实时而有效的满足用户的需求,而且大大提高了自适应演化的准确性和效率性。