• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于多步優(yōu)化GM(1,1)模型的云計算資源負荷短期預測

    2014-04-03 01:45:30徐達宇
    計算機工程與應用 2014年10期
    關鍵詞:計算資源鳥窩布谷鳥

    張 磊,徐達宇

    ZHANG Lei1,XU Dayu2

    1.安徽工商職業(yè)學院 網(wǎng)絡中心,合肥 230009

    2.合肥工業(yè)大學 過程優(yōu)化與智能決策教育部重點實驗室,合肥 230009

    1.Network Centre,Anhui Business Vocational College,Hefei 230009,China

    2.Optimization and Intelligent Decision Making,Ministry of Education Key Laboratory of Process,Hefei University of Technology,Hefei 230009,China

    1 引言

    云計算以承諾向用戶提供具有高可擴展性、靈活性和成本效益的計算、存儲及其他各類應用服務而受到業(yè)界的廣泛關注。為了實現(xiàn)這些承諾,云計算服務提供商不僅需要通過構建完善的基礎設施、采取迅速有效的管理機制對資源進行規(guī)劃以提供高質(zhì)量服務來滿足用戶需求,同時還需要控制成本、提高利潤來謀求自身的長期發(fā)展,而云計算數(shù)據(jù)中心能源消耗所產(chǎn)生的費用是運營成本中一個主要的構成部分。

    云計算環(huán)境下的資源負荷預測是實現(xiàn)云計算海量異構資源有效管理以應對動態(tài)且不確定的多元化用戶需求,保證及時、可靠地將各種資源提供給使用者的同時降低運營商、服務供應商自身的成本,以及減少數(shù)據(jù)中心能源消耗過程中重要的一步[1]。利用歷史數(shù)據(jù)對未來一段時間內(nèi)資源負荷進行準確的預測,就可以運用服務器運行機制(例如服務器開/關、休眠/掛起)、虛擬化技術(例如虛擬機遷移)和相應的負載均衡策略來實現(xiàn)整個云計算系統(tǒng)資源的合理配置,并為云計算運營商和服務供應商提供有力的決策支持。在先前的云計算資源負荷預測研究中,相關學者使用了如自回歸模型(Auto-Regression,AR)[2]、模式匹配[3]、神經(jīng)網(wǎng)絡[4-5]、貝葉斯模型[6]等預測方法。然而,云計算系統(tǒng)是受多種因素影響的復雜非線性系統(tǒng),其資源負荷也相應地表現(xiàn)出強烈的動態(tài)性,以上文獻中所提的預測方法都只是簡單地使用了傳統(tǒng)預測模型展開實驗,并未在對云計算資源負荷特征分析的基礎上進行對應的預測模型選擇和構建;并且單一的預測模型難以準確描述云計算資源負荷復雜的內(nèi)部變化規(guī)律,不能及時調(diào)整模型參數(shù)以反映外部環(huán)境因素發(fā)生的變化。文獻[7-9]分析了云計算資源負荷的特征,并在資源使用率、任務執(zhí)行時間、資源請求內(nèi)容等幾個方面與網(wǎng)格計算(Grid Computing)及其他高性能計算(High Performance Computing,HPC)系統(tǒng)進行了全面地比較。本文在這些研究的基礎上總結了云計算資源負荷的幾個主要特點:(1)大部分云計算中的任務具有較短的執(zhí)行時間。75%至80%的任務執(zhí)行時間在3分鐘左右;(2)云計算中的每個任務對資源的需求是少量的。大部分單個任務使用的資源約占一臺機器總資源量的2.5%。(3)相比于網(wǎng)格計算和其他HPC系統(tǒng),云計算資源負荷表現(xiàn)出較高的噪聲,具有短期內(nèi)頻繁變化的特點。以上這些云計算資源負荷特點決定了其預測模型需要有較強的非線性擬合能力和自適應的模型參數(shù)調(diào)整能力來不斷適應負荷的動態(tài)性。

    基于以上論述,本文將重點放于云計算資源負荷的短期預測研究中,短期負荷要求模型能夠盡可能使用較少的數(shù)據(jù)量、較短的預測時間去獲得準確的預測結果,從而能夠及時地為云計算的資源合理配置和調(diào)度提供可靠的決策支持,目的是為了能夠更有效地對云計算資源進行實時控制和管理,保障云計算系統(tǒng)的穩(wěn)定運行及其資源的高效供應,保證對云計算用戶提供可靠的服務。本文結合云計算資源負荷特點,闡述了GM(1,1)灰色模型在預測性能上的優(yōu)劣,提出基于多項式回歸模型、馬爾科夫鏈和布谷鳥搜索算法多步優(yōu)化的GM(1,1)預測模型,并將該模型用于云計算環(huán)境下資源負荷的短期預測應用中去,也是對GM(1,1)灰色模型的應用范圍作進一步的推廣。實驗結果表明,相比于其他傳統(tǒng)時間序列預測模型,本文所建模型具有更高的預測精度,體現(xiàn)出良好的預測性能,適合對具有較強動態(tài)性和非線性的云計算資源負荷進行短期預測。

    2 基于多步優(yōu)化的GM(1,1)預測模型

    自20世紀80年代我國學者鄧聚龍教授[10]創(chuàng)立灰色系統(tǒng)理論以來,灰色系統(tǒng)預測方法得到了國內(nèi)外學者的廣泛關注。其中GM(1,1)模型因其計算簡便、應用廣泛而在灰色預測中占有重要地位,是運用最早也是迄今為止應用最為廣泛的灰色模型,它以部分信息已知、部分信息未知的不確定性系統(tǒng)為研究對象,通過對已知信息的生成、開發(fā),提取有價值的信息,實現(xiàn)對系統(tǒng)運行行為、演化規(guī)律的正確描述和有效監(jiān)控。其建模不依賴于原始數(shù)據(jù)的分布信息,而是運用累加生成的方法使得序列呈現(xiàn)出整體的灰指數(shù)規(guī)律,在此基礎上構建灰色微分方程并求解?;疑P筒恍枰髽颖緮?shù)據(jù)就能建模預測,且建模過程簡單、算法復雜度低,并被證明在短期預測中具有獨特的優(yōu)勢[11]。因而,GM(1,1)模型被廣泛地用于國民經(jīng)濟的各個領域[12-14]。但是,和其他預測方法一樣,GM(1,1)模型也存在一定的局限性,它對非負光滑單調(diào)序列的預測精度較高,而對非線性動態(tài)振蕩序列的預測效果并不理想[15]。因此,為了GM(1,1)模型能更好地應對云計算資源負荷時間序列的預測問題,本文將在闡述GM(1,1)預測模型建模機理的基礎上,構建基于多步優(yōu)化的GM(1,1)灰色預測模型。

    2.1 GM(1,1)灰色模型介紹

    GM(1,1)灰色預測模型的建模機理如下:設原始序列 為,其 中,。對原始序列進行一次累加得到一組新序列,其中模型的白化微分方程式為:

    GM(1,1)模型的差分形式(灰微分方程)為:

    從而得出灰色預測公式為:

    2.2 P-GM(1,1)模型

    其中 βi(i=0,1,2,3)為多項式系數(shù),可由最小二乘法計算出各系數(shù)值:

    其中,

    在確定各系數(shù)值后,就可用所建的P-GM(1,1)模型計算得到一組新的預測序列來代替原有的預測序列,并且該組新預測序列會比GM(1,1)預測得到的值更接近實際值。

    2.3 MP-GM(1,1)模型

    經(jīng)過三次多項式回歸優(yōu)化后的GM(1,1)模型P-GM(1,1)在預測精度上有了一定的提高,但與實際值依然存在一定的誤差,從而形成一個殘差序列。因此,在P-GM(1,1)模型擬合結果的基礎上,本文利用適合于預測具有較強隨機性和波動性數(shù)據(jù)的馬爾科夫鏈(Markov chain)對P-GM(1,1)模型進行再次改進以進一步提升本文所建模型對于動態(tài)云計算負荷時間序列的擬合能力,構建MP-GM(1,1)模型,再次提高云計算資源負荷的預測精度。運用馬爾科夫預測法進行預測,主要工作原理是利用初始狀態(tài)的概率向量和狀態(tài)轉(zhuǎn)移矩陣來推測預測對象未來某一時間所處的狀態(tài)。由實際序列及P-GM(1,1)擬合結果可以得到一組殘差序列e(i)。其中,

    根據(jù)殘差序列值e(i)的最大、最小值,將殘差序列分為S種狀態(tài),每種狀態(tài)代表相應的誤差區(qū)間(每個區(qū)間的誤差長度相同),這樣就可以獲得一個S×S的馬爾科夫狀態(tài)轉(zhuǎn)移概率矩陣,而每個預測誤差都可定位在相應的狀態(tài)中。用表示預測對象從狀態(tài)i經(jīng)過m步轉(zhuǎn)移至狀態(tài) j的概率,則m步轉(zhuǎn)移概率為:

    用as(t)表示第t個時期預測對象處于狀態(tài)s的概率,則{as(t),s=1,2,…,S}稱為第 t個時期的狀態(tài)轉(zhuǎn)移向量。設初始的狀態(tài)轉(zhuǎn)移概率向量為as(0),利用初始的狀態(tài)轉(zhuǎn)移概率向量as(0)和一步狀態(tài)轉(zhuǎn)移矩陣P(1),可以求出預測對象在任一時間處于任一狀態(tài)的概率向量。從而得到基于馬爾科夫鏈優(yōu)化的P-GM(1,1)預測模型:

    其中,as(t)=[a1(t),a2(t),…,as(t)]=as(t-1)P(1),為處于特定誤差區(qū)間范圍內(nèi)的一個灰數(shù),即,ls和us分別為狀態(tài)s所對應誤差區(qū)間的下限和上限。

    2.4 CMP-GM(1,1)模型

    在等式(12)中,若要獲得基于MP-GM(1,1)模型的預測結果,就需要確定灰數(shù)的值,即需要將灰數(shù)白化。根據(jù)文獻[14]所述,灰數(shù)的白化方法為:

    其中λs∈[0,1]。從而可將等式(12)改寫為:

    由等式(14)可知,只要確定向量 [λ1,λ2,…,λS]的值,就可以利用MP-GM(1,1)模型來進行云計算資源負荷短期預測。因此,本文利用布谷鳥搜索算法(Cuckoo Search,CS)來確定向量 [λ1,λ2,…,λS]的最優(yōu)值,提出基于布谷鳥搜索算法的MP-GM(1,1)預測模型—CMPGM(1,1)預測模型。接下來首先介紹布谷鳥搜索算法的基本原理與算法流程。

    2.4.1 布谷鳥搜索算法

    2009年,Yang和Deb模擬布谷鳥的尋窩產(chǎn)卵行為,提出一種新的智能優(yōu)化算法——布谷鳥搜索算法[16]。這種算法主要基于布谷鳥的巢寄生繁殖機理和萊維飛行(Levy flights)搜索原理兩個方面,它模擬了布谷鳥尋找鳥窩的隨機搜索方式,并模擬出布谷鳥的卵被鳥窩主人發(fā)現(xiàn)后的進一步隨機搜索過程[17]。在文獻[18]中,將布谷鳥搜索算法與粒子群算法、差分進化算法和人工蜂群算法進行了全面的比較,論證了布谷鳥搜索算法在獲取全局優(yōu)化值方面具有優(yōu)良的性能。把布谷鳥尋窩的方式形成理論,需假定以下3個理想狀態(tài):(1)布谷鳥一次只產(chǎn)一個卵,并隨機選擇鳥窩來孵化它;(2)在隨機選擇的一組鳥窩中,最好的鳥窩將會被保留到下一代;(3)可利用的鳥窩數(shù)量是固定的,一個鳥窩的主人能發(fā)現(xiàn)一個外來鳥蛋的概率為 pα∈[0,1]。在這三個理想狀態(tài)下,布谷鳥算法的基本步驟為:

    步驟1 隨機產(chǎn)生 S 維向量λ=(λ1,λ2,…,λS),設定目標函數(shù) f(E),生成 n個鳥窩位置λi(i=1,2,…,n),設置算法參數(shù)。

    步驟2計算每個鳥窩的目標函數(shù)值,并記錄當前的最優(yōu)解。

    步驟3保留上代最優(yōu)鳥窩位置,并按位置更新公式對其他鳥窩位置進行更新。其中位置更新方式遵循萊維飛行,公式為:

    其中,α為步長控制量,α>0;⊙為點對點乘法;Levy(ε)為隨機搜索路徑,服從Levy分布:

    步驟4產(chǎn)生服從均勻分布的隨機數(shù)r∈[0,1],與布谷鳥的卵被鳥窩主人發(fā)現(xiàn)的概率 pα對比,若 r>pα,則對進行隨機改變,反之不變。再對改變后的鳥窩進行測試,與上一步得到的一組鳥窩位置比較取對應測試值較好的鳥窩位置,并選出當代的全局最優(yōu)位置。

    步驟5判斷是否滿足結束要求。若滿足,輸出結果;若未滿足,則返回步驟2。

    2.4.2 基于CS算法優(yōu)化的MP-GM(1,1)模型

    在闡述了CS算法基本原理與算法流程的基礎上,針對本文云計算資源負荷短期預測的實際應用情況,構建基于CS算法優(yōu)化的MP-GM(1,1)模型—CMP-GM(1,1)預測模型,即通過CS算法不斷搜索最優(yōu)的參數(shù)設置來使得本文所提模型對動態(tài)的云計算負荷具有良好的自適應能力,下面給出算法流程。

    步驟2 利用布谷鳥搜索算法更新向量[λ1,λ2,…,λS]的值,使得目標函數(shù) f(E)不斷逼近其全局最小值。

    步驟3檢測算法停止條件,若不滿足,返回步驟2;若滿足,則輸出最優(yōu)的λs值,s=1,2,…,S 。

    步驟4 運用等式(14),計算出基于CMP-GM(1,1)模型的最優(yōu)云計算資源負荷短期預測序列。

    在上文論述了基于布谷鳥搜索優(yōu)化的MP-GM(1,1)算法流程的基礎上,下面給出本文所建的基于多步優(yōu)化GM(1,1)灰色預測模型CMP-GM(1,1)算法的偽代碼:

    至此,基于多步優(yōu)化的GM(1,1)灰色預測模型CMP-GM(1,1)已構建完畢。

    3 實驗及結果分析

    本文所用實驗數(shù)據(jù)來自NASA和Clarknet[19],該數(shù)據(jù)詳細記錄了每秒鐘兩個數(shù)據(jù)中心接收到的服務請求內(nèi)容,其資源負荷如引言中所述具有很強的動態(tài)非線性性,在[5,20,21]等文獻中已被多次用于云計算負荷預測及其性能分析研究。在云計算實際的資源管理過程中,每5至10分鐘會實施一次資源重新調(diào)度和配置的過程[4,22]。因此,本文中將對兩個數(shù)據(jù)中心提取的數(shù)據(jù)以10分鐘為最小單位進行統(tǒng)計,即每天記錄的數(shù)據(jù)點為144個,以此獲得相應的歷史資源負荷時間序列數(shù)據(jù),并利用前三天的資源負荷數(shù)據(jù)對未來六小時(36個數(shù)據(jù)點)的云計算資源負荷進行短期預測,使預測結果能夠為云計算資源實現(xiàn)有效的實時配置和調(diào)度起到?jīng)Q策支持作用。為了對所建模型在預測性能進行客觀的評價和比較,本文選擇以絕對平均百分比誤差(AMPE)、均方根誤差(RMSE)和平均絕對誤差(MAE)這三個指標作為衡量預測性能是否優(yōu)良的評價指標。它們的計算公式為:

    在實驗過程中,首先利用GM(1,1)模型對歷史數(shù)據(jù)進行第一步擬合,然后再通過P-GM(1,1)模型對獲得的數(shù)據(jù)擬合結果進行優(yōu)化,結果如圖1所示。

    圖1(a) 基于P-GM(1,1)模型的NASA數(shù)據(jù)擬合結果

    圖1(b) 基于P-GM(1,1)模型的Clarknet數(shù)據(jù)擬合結果

    由圖1可以看出,云計算環(huán)境下的資源負荷時間序列具有極強的動態(tài)性,雖然P-GM(1,1)模型能夠擬合出數(shù)據(jù)整體的發(fā)展趨勢,但對于單個數(shù)據(jù)點的擬合結果并不是很理想。因而,在獲得P-GM(1,1)模型擬合結果的基礎上,下一步將結合馬爾科夫鏈來對P-GM(1,1)模型的擬合能力進行進一步提升。根據(jù)P-GM(1,1)模型的擬合誤差的最大值(Maximum error)和最小值(Minimum error),將誤差狀態(tài)分為五個狀態(tài),每個狀態(tài)的誤差區(qū)間占區(qū)間[Minimum error,Maximum error]的 20%。該五個狀態(tài)所對應的誤差區(qū)間如下所示:

    在確定了各個狀態(tài)所對應的誤差區(qū)間后,就可根據(jù)公式(10)分別計算獲得兩組數(shù)據(jù)的馬爾科夫一步狀態(tài)轉(zhuǎn)移概率矩陣和:

    求得最優(yōu)的λs值后,運用公式(14)分別計算出基于CMP-GM(1,1)模型的兩組數(shù)據(jù)預測值,結果如圖2所示。

    為了驗證所提CMP-GM(1,1)預測模型的有效性,本文選取GM(1,1)、自回歸移動平均(Auto Regressive moving average,ARMA)、BP神經(jīng)網(wǎng)絡及指數(shù)平滑(Exponential Smoothing,ES)四個模型作為對比,并且使各個模型在該實驗數(shù)據(jù)環(huán)境下預測性能表現(xiàn)最優(yōu)的模型參數(shù)設置。其中ARMA模型的自回歸項數(shù) p和模型的移動平均項數(shù)q分別設為 p=2和q=1;BP神經(jīng)網(wǎng)絡的輸入層、隱含層和輸出層神經(jīng)元的最優(yōu)個數(shù)設置為36∶15∶36;指數(shù)平滑采用二次平滑,選取前12個點的平均值作為平滑初值,平滑參數(shù)α經(jīng)過識別、比較后,確定為 α=0.36,此時方差最??;CMP-GM(1,1)模型中布谷鳥算法的終止條件為最大循環(huán)次數(shù)200。圖3給出了CMP-GM(1,1)模型與各模型預測結果的相對誤差比較結果。表1給出了CMP-GM(1,1)模型與各預測模型的預測模型綜合比較結果。

    圖2(a) 基于CMP-GM(1,1)模型的NASA數(shù)據(jù)預測結果

    圖2(b) 基于CMP-GM(1,1)模型的Clarknet數(shù)據(jù)預測結果

    圖3 各模型預測結果的相對誤差比較

    表1 各模型的預測結果比較

    從預測結果比較中可以看出,本文所提的基于多步優(yōu)化的GM(1,1)模型CMP-GM(1,1)預測模型的預測值與實際值在整體上最為貼近。對于未經(jīng)改進的GM(1,1)模型,CMP-GM(1,1)模型的預測誤差只有其20%~30%,證明了本文所建的多步優(yōu)化模型是有效的,能明顯提升GM(1,1)模型對于動態(tài)、非線性數(shù)據(jù)的預測能力。而相比于ARMA、BP神經(jīng)網(wǎng)絡和ES等在先前云計算資源負荷預測中被用到的模型,CMP-GM(1,1)模型也在預測精度上體現(xiàn)出了一定的優(yōu)勢。綜上所述,CMP-GM(1,1)模型不僅在直觀上反映出該模型良好的預測性能,而且在各評價指標上也體現(xiàn)出了優(yōu)勢,對具有較強非線性性和動態(tài)性的云計算短期資源負荷時間序列展現(xiàn)了優(yōu)良的預測性能。

    4 結論

    本文首先介紹了云計算資源負荷特征,論述了資源負荷預測在實現(xiàn)云計算資源高效管理中的作用,并強調(diào)了資源負荷短期預測在實現(xiàn)對云系統(tǒng)實時控制和使其穩(wěn)定運行中的效用。繼而闡述了GM(1,1)灰色模型在預測性能上的優(yōu)劣,提出基于多項式回歸模型、馬爾科夫鏈和布谷鳥搜索算法多步優(yōu)化的GM(1,1)預測模型,并將該模型用于云計算環(huán)境下資源負荷的短期預測應用中去。實驗結果表明,相比于其他傳統(tǒng)時間序列預測模型,本文所建模型具有更高的預測精度,體現(xiàn)出良好的預測性能,適合對具有較強動態(tài)性和非線性性的云計算資源負荷進行短期預測。

    [1]Ardagna D.Dual time-scale distributed capacity allocation and load redirect algorithms for cloud systems[J].Journal of Parallel and Distributed Computing,2012,72(6):796-808.

    [2]Ching C T M,Dusit N,Tham C K.Evolutionary optimal virtual machine placement and demand forecaster for cloud computing[C]//2011 International Conference on Advanced Information Networking and Applications,2011:348-355.

    [3]Caron E,Desprez F,Muresan A.Forecasting for grid and cloud computing on-demand resources based on pattern matching[C]//2nd IEEE International Conference on Cloud Computing Technology and Science,2010:456-463.

    [4]Islam S,Keung J,Lee K,et al.Empirical prediction models for adaptive resource provisioning in the cloud[J].Future Generation Computer Systems,2011,28(1):155-162.

    [5]Duy T V T,Sato Y,Inoguchi Y.Performance evaluation of a green scheduling algorithm for energy savings in cloud computing[C]//International Symposium on Parallel Distributed Processing Workshops and Phd Forum IPDPSW,2010:1-8.

    [6]Di S,Kondo D,Cirne W.Host load prediction in a Google compute cloud with a Bayesian model[C]//Proceedings oftheInternationalConferenceon High Performance Computing,Networking,Storage and Analysis.[S.l.]:IEEE Computer Society Press,2012:1-11.

    [7]Mishra A K.Towards characterizing cloud backend workloads:insights from google compute clusters[J].ACM SIGMETRICS Performance Evaluation Review,2010,37(4):34-41.

    [8]Benson T,Akella A,Maltz D A.Network traffic characteristics of data centers in the wild[C]//Proceedings of the 10th ACM SIGCOMM Conference on Internet Mea-Surement.[S.l.]:ACM,2010:267-280.

    [9]Di S,Kondo D,Cirne W.Characterization and comparison of cloud versus grid workloads[C]//International Conference on Cluster Computing(CLUSTER).[S.l.]:IEEE,2012:230-238.

    [10]鄧聚龍.灰理論基礎[M].武漢:華中科技大學出版社,2002.

    [11]王正新,黨耀國,練鄭偉.無偏GM(1,1)冪模型其及應用[J].中國管理科學,2011,19(4):144-151.

    [12]王宇熹,汪泓,肖峻.基于灰色GM(1,1)模型的上海城鎮(zhèn)養(yǎng)老保險人口分布預測[J].系統(tǒng)工程理論與實踐,2010(12):2244-2253.

    [13]Li G D.The hybrid grey-based model for cumulative curve prediction in manufacturing system[J].The International Journal of Advanced Manufacturing Technology,2010,47(1/4):337-349.

    [14]王曉佳,楊善林,徐達宇.基于改進粒子群算法的數(shù)據(jù)預測挖掘應用研究[J].情報學報,2011,30(8):840-845.

    [15]錢吳永,黨耀國.基于振蕩序列的GM(1,1)模型[J].系統(tǒng)工程理論與實踐,2009,29(3):149-154.

    [16]Yang X S,Deb S.Cuckoo search via Lévy flights[C]//World Congress on Nature&Biologically Inspired Computing(NaBIC 2009).[S.l.]:IEEE,2009:210-214.

    [17]李煜,馬良.新型元啟發(fā)式布谷鳥搜索算法[J].系統(tǒng)工程,2012,30(8):64-69.

    [18]Civicioglu P,Besdok E.A conceptual comparison of the Cuckoo-search,particle swarm optimization,differential evolution and artificial bee colony algorithms[J].Artificial Intelligence Review,2013,39(4):1-32.

    [19]Traces in the Internet Traffic Archive[EB/OL].[2013-06-20].http://ita.ee.lbl.gov/html/traces.html.

    [20]Mehta A.Envergy conservation in cloud infrastructures[C]//5th Annual IEEE International Systems Conference,2011:456-460.

    [21]Prevost J J.Prediction of cloud data center networks loads using stochastic and neural models[C]//6th International Conference on System of Systems Engineering,2011:27-30.

    [22]Ardagna D.Dual time-scale distributed capacity allocation and load redirect algorithms for cloud systems[J].Journal of Parallel and Distributed Computing,2012,72(6):796-808.

    猜你喜歡
    計算資源鳥窩布谷鳥
    掛在墻壁上的鳥窩
    幼兒畫刊(2023年6期)2023-07-18 07:01:40
    布谷鳥讀信
    布谷鳥讀信
    基于模糊規(guī)劃理論的云計算資源調(diào)度研究
    改進快速稀疏算法的云計算資源負載均衡
    噓!布谷鳥來了
    大灰狼(2019年4期)2019-05-14 16:38:38
    基于Wi-Fi與Web的云計算資源調(diào)度算法研究
    耦合分布式系統(tǒng)多任務動態(tài)調(diào)度算法
    鳥窩
    《鳥窩》
    淫妇啪啪啪对白视频| 亚洲av熟女| 精品人妻一区二区三区麻豆 | 淫妇啪啪啪对白视频| 性色av乱码一区二区三区2| 精品人妻一区二区三区麻豆 | 好看av亚洲va欧美ⅴa在| 制服丝袜大香蕉在线| 午夜a级毛片| 老熟妇乱子伦视频在线观看| 桃色一区二区三区在线观看| 亚洲欧美清纯卡通| 在线免费观看的www视频| 每晚都被弄得嗷嗷叫到高潮| 免费人成在线观看视频色| 日韩有码中文字幕| 国产精品女同一区二区软件 | 在线天堂最新版资源| 欧美另类亚洲清纯唯美| 欧美成人一区二区免费高清观看| 亚洲18禁久久av| 亚洲av成人不卡在线观看播放网| 亚洲国产日韩欧美精品在线观看| 国产日本99.免费观看| 精品久久久久久久末码| 极品教师在线免费播放| 精品人妻视频免费看| 人妻夜夜爽99麻豆av| 亚洲国产精品合色在线| 老司机午夜十八禁免费视频| 午夜免费激情av| 国产一区二区三区在线臀色熟女| 99视频精品全部免费 在线| 色综合欧美亚洲国产小说| 超碰av人人做人人爽久久| 精华霜和精华液先用哪个| 老司机深夜福利视频在线观看| 在线看三级毛片| 精品久久久久久久久av| 日本五十路高清| 人人妻人人看人人澡| 成人av在线播放网站| 欧美日韩中文字幕国产精品一区二区三区| 亚洲精品在线美女| 又黄又爽又刺激的免费视频.| 桃红色精品国产亚洲av| 日本精品一区二区三区蜜桃| 在线观看av片永久免费下载| 99热精品在线国产| 午夜福利视频1000在线观看| 亚州av有码| 国产午夜福利久久久久久| 真实男女啪啪啪动态图| 国产成人av教育| 精品久久久久久久末码| 国产精品自产拍在线观看55亚洲| 亚洲片人在线观看| 中文亚洲av片在线观看爽| 日韩欧美在线乱码| 亚洲天堂国产精品一区在线| 成年人黄色毛片网站| 欧美日韩乱码在线| 自拍偷自拍亚洲精品老妇| 免费看光身美女| 怎么达到女性高潮| bbb黄色大片| 精品免费久久久久久久清纯| 又爽又黄无遮挡网站| 88av欧美| 欧美又色又爽又黄视频| 在线天堂最新版资源| 国产av麻豆久久久久久久| 日本在线视频免费播放| 国产精品亚洲av一区麻豆| 午夜精品在线福利| 国产精品女同一区二区软件 | 亚州av有码| av国产免费在线观看| 一个人看的www免费观看视频| 国产精品一区二区免费欧美| 51国产日韩欧美| 欧美日韩乱码在线| 亚洲美女视频黄频| 日韩欧美一区二区三区在线观看| 黄色日韩在线| 一本精品99久久精品77| 18禁黄网站禁片午夜丰满| 亚洲av一区综合| av欧美777| 人人妻,人人澡人人爽秒播| 好看av亚洲va欧美ⅴa在| 亚洲国产精品久久男人天堂| 男人和女人高潮做爰伦理| 一个人免费在线观看的高清视频| av欧美777| 国产爱豆传媒在线观看| 国产乱人伦免费视频| 可以在线观看毛片的网站| 国产成人啪精品午夜网站| 久9热在线精品视频| 99在线人妻在线中文字幕| 日本与韩国留学比较| 久久香蕉精品热| 欧美乱色亚洲激情| 午夜久久久久精精品| 中文字幕精品亚洲无线码一区| 最后的刺客免费高清国语| 亚洲18禁久久av| 色吧在线观看| 精品久久久久久久久亚洲 | 亚洲天堂国产精品一区在线| 久久久国产成人精品二区| 中亚洲国语对白在线视频| 国产黄a三级三级三级人| 黄色女人牲交| 在线观看66精品国产| 国产在线男女| 色综合婷婷激情| 韩国av一区二区三区四区| 高潮久久久久久久久久久不卡| 国产精品一区二区免费欧美| 亚洲不卡免费看| 国产中年淑女户外野战色| 99精品久久久久人妻精品| 淫秽高清视频在线观看| 久久久久国产精品人妻aⅴ院| 小蜜桃在线观看免费完整版高清| 长腿黑丝高跟| 成年版毛片免费区| 天堂av国产一区二区熟女人妻| 精品国内亚洲2022精品成人| 国产精品永久免费网站| 精品无人区乱码1区二区| 很黄的视频免费| 欧美xxxx性猛交bbbb| 中文字幕精品亚洲无线码一区| 久久久色成人| 好男人在线观看高清免费视频| 性插视频无遮挡在线免费观看| 亚洲av熟女| 狠狠狠狠99中文字幕| 一区二区三区四区激情视频 | 欧美精品国产亚洲| 精品久久久久久久久av| 有码 亚洲区| 精品久久国产蜜桃| 国产亚洲欧美在线一区二区| 黄色视频,在线免费观看| 乱人视频在线观看| 日本免费a在线| 性色avwww在线观看| 18禁在线播放成人免费| 免费观看人在逋| 性插视频无遮挡在线免费观看| 69av精品久久久久久| 色精品久久人妻99蜜桃| 丝袜美腿在线中文| 亚洲av第一区精品v没综合| 成人午夜高清在线视频| 色播亚洲综合网| 亚洲精华国产精华精| 中亚洲国语对白在线视频| 欧美黑人巨大hd| 日韩高清综合在线| 国产欧美日韩一区二区精品| 亚洲成人久久爱视频| 国产视频内射| 国产v大片淫在线免费观看| 精品午夜福利视频在线观看一区| 日本黄色片子视频| 国产色爽女视频免费观看| 美女被艹到高潮喷水动态| 精品久久久久久成人av| 免费看日本二区| 欧洲精品卡2卡3卡4卡5卡区| 久久99热6这里只有精品| 51国产日韩欧美| 美女高潮的动态| 亚洲一区高清亚洲精品| 99热这里只有是精品在线观看 | 国产免费男女视频| 91九色精品人成在线观看| 国产av麻豆久久久久久久| 国产在线男女| 欧美日韩国产亚洲二区| 特级一级黄色大片| 少妇高潮的动态图| 日本熟妇午夜| 亚洲经典国产精华液单 | 久久99热这里只有精品18| 亚洲成人中文字幕在线播放| 久久精品国产自在天天线| 少妇高潮的动态图| 在线天堂最新版资源| 一区二区三区高清视频在线| 一进一出抽搐gif免费好疼| 国产爱豆传媒在线观看| 老熟妇仑乱视频hdxx| 老熟妇仑乱视频hdxx| 亚洲真实伦在线观看| 97人妻精品一区二区三区麻豆| 日韩精品青青久久久久久| 成人特级黄色片久久久久久久| h日本视频在线播放| 两性午夜刺激爽爽歪歪视频在线观看| 日本熟妇午夜| 老熟妇乱子伦视频在线观看| 白带黄色成豆腐渣| 亚洲第一区二区三区不卡| 国产精品一区二区性色av| 日韩欧美 国产精品| 99国产极品粉嫩在线观看| 婷婷色综合大香蕉| 亚洲18禁久久av| 男女之事视频高清在线观看| 夜夜爽天天搞| 免费观看的影片在线观看| 可以在线观看的亚洲视频| 国产精品伦人一区二区| 女人被狂操c到高潮| 老司机午夜福利在线观看视频| 婷婷丁香在线五月| 久久久久久久亚洲中文字幕 | 国产亚洲精品久久久久久毛片| 三级国产精品欧美在线观看| 人人妻,人人澡人人爽秒播| 男女做爰动态图高潮gif福利片| 日韩欧美一区二区三区在线观看| 日韩欧美一区二区三区在线观看| 国产一区二区激情短视频| 毛片一级片免费看久久久久 | 国产高潮美女av| 欧美日本亚洲视频在线播放| 美女黄网站色视频| 国内毛片毛片毛片毛片毛片| 久久天躁狠狠躁夜夜2o2o| 国产亚洲精品久久久com| 久9热在线精品视频| 蜜桃久久精品国产亚洲av| 国产高清三级在线| 国产免费男女视频| 国产一区二区三区视频了| 亚洲国产精品sss在线观看| 久久精品影院6| 亚洲欧美日韩卡通动漫| 好男人在线观看高清免费视频| 成人亚洲精品av一区二区| 怎么达到女性高潮| 激情在线观看视频在线高清| 99久久久亚洲精品蜜臀av| 免费av毛片视频| 草草在线视频免费看| 婷婷六月久久综合丁香| 国产成年人精品一区二区| 成年女人永久免费观看视频| 在线观看美女被高潮喷水网站 | 国产中年淑女户外野战色| 又黄又爽又刺激的免费视频.| 亚洲欧美日韩东京热| 好男人电影高清在线观看| 草草在线视频免费看| 国产一区二区三区在线臀色熟女| 高清毛片免费观看视频网站| 国产精品久久久久久久久免 | 中文亚洲av片在线观看爽| 精品久久久久久,| 一二三四社区在线视频社区8| 99国产精品一区二区蜜桃av| 亚洲人成电影免费在线| 又爽又黄a免费视频| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av成人不卡在线观看播放网| 国产91精品成人一区二区三区| 国产一区二区亚洲精品在线观看| 国产黄色小视频在线观看| 97热精品久久久久久| 麻豆av噜噜一区二区三区| 亚洲三级黄色毛片| 国产黄片美女视频| 一区二区三区高清视频在线| 国内揄拍国产精品人妻在线| 嫩草影院精品99| 午夜福利视频1000在线观看| 一级黄片播放器| 亚洲av成人精品一区久久| 特级一级黄色大片| 嫩草影视91久久| 日韩中字成人| 午夜福利免费观看在线| 午夜精品在线福利| 99久久成人亚洲精品观看| 精品久久久久久久人妻蜜臀av| 不卡一级毛片| av欧美777| 欧美性猛交╳xxx乱大交人| 欧美乱妇无乱码| 国产久久久一区二区三区| 在线国产一区二区在线| 亚洲最大成人中文| 日韩欧美国产一区二区入口| 久久这里只有精品中国| 国内毛片毛片毛片毛片毛片| 国产成人影院久久av| 一卡2卡三卡四卡精品乱码亚洲| 精品国内亚洲2022精品成人| 熟女电影av网| 亚洲成人中文字幕在线播放| 91麻豆精品激情在线观看国产| 少妇裸体淫交视频免费看高清| 最近在线观看免费完整版| www.熟女人妻精品国产| 国产熟女xx| 久久热精品热| 亚洲熟妇熟女久久| 日韩欧美精品免费久久 | 窝窝影院91人妻| 精品不卡国产一区二区三区| 精品一区二区三区人妻视频| 国产精品一及| 成年女人永久免费观看视频| 九色成人免费人妻av| 一边摸一边抽搐一进一小说| 女人被狂操c到高潮| 亚洲av电影不卡..在线观看| 脱女人内裤的视频| 天堂av国产一区二区熟女人妻| av天堂中文字幕网| 日本黄色视频三级网站网址| 成人特级黄色片久久久久久久| 中文字幕人成人乱码亚洲影| 国产伦人伦偷精品视频| 别揉我奶头~嗯~啊~动态视频| 国产成人a区在线观看| 看十八女毛片水多多多| 午夜福利欧美成人| 一个人免费在线观看电影| 国产淫片久久久久久久久 | 人人妻人人看人人澡| 中文亚洲av片在线观看爽| 久久国产乱子免费精品| 淫秽高清视频在线观看| 亚洲欧美日韩高清专用| 日本在线视频免费播放| 免费看光身美女| 国产三级中文精品| 亚洲av.av天堂| 亚洲五月天丁香| 欧美3d第一页| 看片在线看免费视频| 精品不卡国产一区二区三区| 午夜a级毛片| 欧美性感艳星| 嫩草影院入口| 日韩欧美在线二视频| 在线十欧美十亚洲十日本专区| 午夜福利在线在线| 淫秽高清视频在线观看| 亚洲成av人片免费观看| 丰满人妻熟妇乱又伦精品不卡| 老熟妇乱子伦视频在线观看| 3wmmmm亚洲av在线观看| 欧美激情在线99| 亚洲国产精品久久男人天堂| 成人国产综合亚洲| www日本黄色视频网| 极品教师在线免费播放| 亚洲精品亚洲一区二区| 欧美黑人欧美精品刺激| 一本一本综合久久| 免费在线观看日本一区| 精品人妻偷拍中文字幕| 久久久久久久午夜电影| 欧美乱妇无乱码| 精品久久久久久成人av| 熟女人妻精品中文字幕| 麻豆成人av在线观看| 亚洲av电影在线进入| 国产成人av教育| 国产爱豆传媒在线观看| 成人高潮视频无遮挡免费网站| 国产极品精品免费视频能看的| 亚洲国产精品999在线| 国产精品自产拍在线观看55亚洲| 老司机午夜十八禁免费视频| 赤兔流量卡办理| 久久热精品热| 18美女黄网站色大片免费观看| 亚洲在线自拍视频| 白带黄色成豆腐渣| 成人毛片a级毛片在线播放| 精品人妻视频免费看| www.999成人在线观看| 十八禁人妻一区二区| 亚洲精品乱码久久久v下载方式| 免费一级毛片在线播放高清视频| 国产亚洲精品久久久久久毛片| 欧美午夜高清在线| 国模一区二区三区四区视频| aaaaa片日本免费| 国产精品99久久久久久久久| 神马国产精品三级电影在线观看| 免费观看人在逋| 美女高潮的动态| 日日摸夜夜添夜夜添av毛片 | 欧美激情国产日韩精品一区| 天堂av国产一区二区熟女人妻| 亚洲精品在线美女| 床上黄色一级片| x7x7x7水蜜桃| 伊人久久精品亚洲午夜| 精品人妻视频免费看| 男女之事视频高清在线观看| 成熟少妇高潮喷水视频| 免费av不卡在线播放| 丰满人妻一区二区三区视频av| 高清毛片免费观看视频网站| 赤兔流量卡办理| 精品久久久久久,| 免费人成视频x8x8入口观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产午夜福利久久久久久| 少妇的逼好多水| 两人在一起打扑克的视频| 亚洲av二区三区四区| 亚州av有码| 一级黄片播放器| 国产免费男女视频| 3wmmmm亚洲av在线观看| 青草久久国产| 一本综合久久免费| 少妇丰满av| 欧美乱妇无乱码| 国产伦在线观看视频一区| 欧美午夜高清在线| 熟女人妻精品中文字幕| 搞女人的毛片| 丰满人妻一区二区三区视频av| 美女 人体艺术 gogo| 色5月婷婷丁香| 欧美黄色片欧美黄色片| 少妇人妻精品综合一区二区 | 国产69精品久久久久777片| 激情在线观看视频在线高清| 欧美黑人欧美精品刺激| 麻豆av噜噜一区二区三区| 国产精品1区2区在线观看.| 国产一区二区三区在线臀色熟女| 性色av乱码一区二区三区2| 国产色爽女视频免费观看| 嫩草影视91久久| 成人无遮挡网站| 18+在线观看网站| 久久婷婷人人爽人人干人人爱| 狂野欧美白嫩少妇大欣赏| 国产精品98久久久久久宅男小说| 久久久久久大精品| 日本在线视频免费播放| 久久欧美精品欧美久久欧美| 亚洲精品影视一区二区三区av| 人人妻人人看人人澡| 日韩欧美一区二区三区在线观看| 亚洲成人久久爱视频| 亚洲精品一卡2卡三卡4卡5卡| 欧美性猛交黑人性爽| 别揉我奶头 嗯啊视频| 成人国产一区最新在线观看| 夜夜爽天天搞| 9191精品国产免费久久| 九九久久精品国产亚洲av麻豆| 无人区码免费观看不卡| 三级男女做爰猛烈吃奶摸视频| 淫秽高清视频在线观看| 亚洲第一电影网av| 国产三级在线视频| 1024手机看黄色片| 少妇高潮的动态图| 久久久久久大精品| 十八禁国产超污无遮挡网站| av国产免费在线观看| 中文资源天堂在线| 我的女老师完整版在线观看| 久久精品国产亚洲av天美| 亚洲片人在线观看| 色av中文字幕| 国产午夜精品久久久久久一区二区三区 | 美女xxoo啪啪120秒动态图 | 亚洲狠狠婷婷综合久久图片| 天堂av国产一区二区熟女人妻| 九色成人免费人妻av| 欧美最黄视频在线播放免费| 男女床上黄色一级片免费看| 国产aⅴ精品一区二区三区波| 免费av毛片视频| 久久久久精品国产欧美久久久| 久久这里只有精品中国| 亚洲精品乱码久久久v下载方式| 一a级毛片在线观看| 亚洲avbb在线观看| 午夜a级毛片| 久久草成人影院| 亚洲精品日韩av片在线观看| 久久久国产成人精品二区| 婷婷六月久久综合丁香| 看片在线看免费视频| 亚洲av熟女| 精品一区二区三区人妻视频| 亚洲精品456在线播放app | 男人和女人高潮做爰伦理| 午夜福利在线在线| 日韩欧美在线二视频| 精品久久国产蜜桃| 少妇高潮的动态图| 久久天躁狠狠躁夜夜2o2o| 成人特级黄色片久久久久久久| 免费在线观看亚洲国产| 99久久精品热视频| 久久久久久久久中文| 日本 欧美在线| 好男人电影高清在线观看| 亚洲久久久久久中文字幕| 床上黄色一级片| 欧美激情国产日韩精品一区| 亚洲成av人片免费观看| 久久人人精品亚洲av| 老女人水多毛片| av在线天堂中文字幕| 精品不卡国产一区二区三区| 精品熟女少妇八av免费久了| 日韩中字成人| 国产av麻豆久久久久久久| 欧美zozozo另类| 91久久精品电影网| 亚洲久久久久久中文字幕| 国产精品三级大全| 激情在线观看视频在线高清| 别揉我奶头~嗯~啊~动态视频| 少妇被粗大猛烈的视频| 美女被艹到高潮喷水动态| 日韩av在线大香蕉| 亚洲专区中文字幕在线| 色尼玛亚洲综合影院| 深夜精品福利| 亚洲欧美日韩东京热| 日韩欧美精品免费久久 | 老司机午夜福利在线观看视频| 亚洲18禁久久av| 天天一区二区日本电影三级| 简卡轻食公司| 在线观看一区二区三区| 成人精品一区二区免费| 日韩欧美精品免费久久 | 国产综合懂色| 免费观看人在逋| 日本黄大片高清| 特大巨黑吊av在线直播| 亚洲精品粉嫩美女一区| 国产精品98久久久久久宅男小说| 免费在线观看亚洲国产| 日韩欧美三级三区| 天天一区二区日本电影三级| 亚洲人成电影免费在线| 国产伦精品一区二区三区视频9| 午夜免费男女啪啪视频观看 | 亚洲国产精品成人综合色| 好男人电影高清在线观看| 99久久成人亚洲精品观看| 极品教师在线免费播放| 永久网站在线| 中文字幕免费在线视频6| 成人特级av手机在线观看| 欧美日韩综合久久久久久 | 51午夜福利影视在线观看| 日韩高清综合在线| 少妇熟女aⅴ在线视频| 免费人成视频x8x8入口观看| 久久久久免费精品人妻一区二区| 国产日本99.免费观看| 国产视频一区二区在线看| 国产淫片久久久久久久久 | 亚洲专区国产一区二区| 国产亚洲精品久久久com| 一进一出抽搐gif免费好疼| 桃色一区二区三区在线观看| 久久99热这里只有精品18| 窝窝影院91人妻| 久久久精品欧美日韩精品| 久久国产精品影院| bbb黄色大片| 日韩成人在线观看一区二区三区| 亚洲人成网站在线播| www.色视频.com| 国产激情偷乱视频一区二区| 深爱激情五月婷婷| 激情在线观看视频在线高清| 亚洲熟妇熟女久久| 欧美日韩国产亚洲二区| av视频在线观看入口| 全区人妻精品视频| 无人区码免费观看不卡| 亚洲精品成人久久久久久| 亚洲第一电影网av| 少妇的逼好多水| 国产免费男女视频| 日韩欧美精品免费久久 | a在线观看视频网站| 欧美+亚洲+日韩+国产| 欧美另类亚洲清纯唯美| 久久久久久久久久黄片| 免费av观看视频| 亚洲中文字幕日韩| 一本久久中文字幕| 亚洲专区中文字幕在线| 国产久久久一区二区三区| 久久久久久国产a免费观看| 婷婷精品国产亚洲av|