• <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》
    操美女的视频在线观看| 香蕉国产在线看| 老司机午夜十八禁免费视频| 淫妇啪啪啪对白视频| 日韩国内少妇激情av| 每晚都被弄得嗷嗷叫到高潮| 美女高潮喷水抽搐中文字幕| 一边摸一边抽搐一进一小说| 日韩欧美在线二视频| 91精品国产国语对白视频| 麻豆一二三区av精品| 黄片播放在线免费| 91老司机精品| 亚洲精品av麻豆狂野| 亚洲欧洲精品一区二区精品久久久| 免费av中文字幕在线| 国产xxxxx性猛交| 日韩精品青青久久久久久| 国产三级在线视频| 亚洲国产毛片av蜜桃av| 男女午夜视频在线观看| 日韩欧美国产一区二区入口| 精品国产一区二区三区四区第35| 88av欧美| 久久香蕉国产精品| 91国产中文字幕| 欧美中文综合在线视频| 高清欧美精品videossex| 成人国产一区最新在线观看| 露出奶头的视频| 制服诱惑二区| 日日夜夜操网爽| 激情视频va一区二区三区| 久久精品国产亚洲av香蕉五月| 一夜夜www| 亚洲成a人片在线一区二区| 国产精品野战在线观看 | 啦啦啦免费观看视频1| 久久中文字幕人妻熟女| 国产单亲对白刺激| 欧美日韩瑟瑟在线播放| 午夜福利欧美成人| 久久99一区二区三区| av片东京热男人的天堂| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品一区av在线观看| 在线永久观看黄色视频| 久久久国产精品麻豆| 免费高清在线观看日韩| 88av欧美| 成在线人永久免费视频| 国内久久婷婷六月综合欲色啪| 久久久久久久午夜电影 | 欧美日韩亚洲高清精品| 黄色怎么调成土黄色| 很黄的视频免费| 日韩av在线大香蕉| 午夜免费观看网址| 亚洲成人久久性| 国产精品国产高清国产av| 免费在线观看日本一区| xxx96com| 日韩免费高清中文字幕av| av免费在线观看网站| 激情视频va一区二区三区| 国产av在哪里看| 亚洲av日韩精品久久久久久密| 国产精品美女特级片免费视频播放器 | 操出白浆在线播放| 国产亚洲精品一区二区www| 99久久人妻综合| 午夜福利免费观看在线| 99久久国产精品久久久| 精品卡一卡二卡四卡免费| 亚洲专区中文字幕在线| 成在线人永久免费视频| 欧美成人免费av一区二区三区| 欧美人与性动交α欧美软件| 国产免费av片在线观看野外av| 久久久久久久久久久久大奶| 91老司机精品| 新久久久久国产一级毛片| 一个人免费在线观看的高清视频| 性欧美人与动物交配| 免费在线观看视频国产中文字幕亚洲| 欧美午夜高清在线| 国产欧美日韩综合在线一区二区| 99久久99久久久精品蜜桃| 女人被躁到高潮嗷嗷叫费观| 成在线人永久免费视频| √禁漫天堂资源中文www| 欧美精品啪啪一区二区三区| 欧美老熟妇乱子伦牲交| 一区在线观看完整版| 高潮久久久久久久久久久不卡| 欧美日韩亚洲高清精品| а√天堂www在线а√下载| 国产亚洲欧美精品永久| 日韩中文字幕欧美一区二区| 琪琪午夜伦伦电影理论片6080| x7x7x7水蜜桃| 9热在线视频观看99| 国产蜜桃级精品一区二区三区| 久久精品91无色码中文字幕| 麻豆一二三区av精品| 91成人精品电影| 中文字幕另类日韩欧美亚洲嫩草| 免费av中文字幕在线| 亚洲熟女毛片儿| www.999成人在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲av成人一区二区三| 国产精品久久久人人做人人爽| a在线观看视频网站| 国产高清国产精品国产三级| 老熟妇仑乱视频hdxx| 色综合站精品国产| 亚洲欧美精品综合久久99| 两性午夜刺激爽爽歪歪视频在线观看 | 别揉我奶头~嗯~啊~动态视频| 50天的宝宝边吃奶边哭怎么回事| 色老头精品视频在线观看| 亚洲欧美激情综合另类| 操出白浆在线播放| 可以免费在线观看a视频的电影网站| 久久久久精品国产欧美久久久| 丝袜美足系列| 手机成人av网站| 99国产精品99久久久久| 999久久久精品免费观看国产| 久久婷婷成人综合色麻豆| 一进一出抽搐gif免费好疼 | 极品人妻少妇av视频| 一级毛片女人18水好多| 黄色成人免费大全| 久久狼人影院| 欧美日韩亚洲综合一区二区三区_| 黄片大片在线免费观看| 精品一区二区三区四区五区乱码| 多毛熟女@视频| 精品国产国语对白av| 在线观看www视频免费| 欧美在线黄色| 国产亚洲精品久久久久5区| 午夜老司机福利片| 亚洲精品国产色婷婷电影| netflix在线观看网站| 每晚都被弄得嗷嗷叫到高潮| 亚洲激情在线av| 免费女性裸体啪啪无遮挡网站| 后天国语完整版免费观看| 国产av一区在线观看免费| 美国免费a级毛片| 成人av一区二区三区在线看| 久久精品影院6| 操美女的视频在线观看| 日韩免费高清中文字幕av| 一级黄色大片毛片| 高清在线国产一区| 性少妇av在线| 自拍欧美九色日韩亚洲蝌蚪91| 色婷婷av一区二区三区视频| 夜夜躁狠狠躁天天躁| 757午夜福利合集在线观看| 久久婷婷成人综合色麻豆| 亚洲国产精品999在线| 欧美激情极品国产一区二区三区| 久久久久久久久久久久大奶| 色婷婷av一区二区三区视频| 日日夜夜操网爽| 精品国产亚洲在线| 80岁老熟妇乱子伦牲交| 满18在线观看网站| 两人在一起打扑克的视频| 国产成人免费无遮挡视频| 日本免费一区二区三区高清不卡 | 中亚洲国语对白在线视频| xxxhd国产人妻xxx| 久久精品aⅴ一区二区三区四区| 成人黄色视频免费在线看| 久久精品国产综合久久久| avwww免费| 欧美精品一区二区免费开放| 中文字幕高清在线视频| 久久天堂一区二区三区四区| 久久精品国产99精品国产亚洲性色 | 国产成人精品久久二区二区免费| 欧美午夜高清在线| 99久久综合精品五月天人人| 91字幕亚洲| 日韩av在线大香蕉| 亚洲精品av麻豆狂野| 美女午夜性视频免费| 午夜精品在线福利| 色老头精品视频在线观看| 日本黄色日本黄色录像| 日韩欧美在线二视频| 亚洲 国产 在线| cao死你这个sao货| 丝袜美足系列| 天堂动漫精品| 日本三级黄在线观看| 999久久久国产精品视频| 亚洲欧美一区二区三区黑人| 国产成人精品久久二区二区免费| 欧美黑人欧美精品刺激| 精品欧美一区二区三区在线| 18禁观看日本| 桃红色精品国产亚洲av| 老司机亚洲免费影院| 欧美黑人欧美精品刺激| 久久伊人香网站| 嫩草影视91久久| 母亲3免费完整高清在线观看| 99精品在免费线老司机午夜| 巨乳人妻的诱惑在线观看| 一级作爱视频免费观看| 亚洲中文字幕日韩| 在线看a的网站| 黄色a级毛片大全视频| 午夜影院日韩av| 母亲3免费完整高清在线观看| 麻豆一二三区av精品| 男人舔女人下体高潮全视频| 欧美在线一区亚洲| 99香蕉大伊视频| 免费女性裸体啪啪无遮挡网站| 人人妻人人澡人人看| 黑人欧美特级aaaaaa片| 757午夜福利合集在线观看| 久久婷婷成人综合色麻豆| 久久精品国产清高在天天线| 啪啪无遮挡十八禁网站| 午夜久久久在线观看| 不卡av一区二区三区| 91成人精品电影| 国产亚洲精品久久久久5区| 老司机午夜十八禁免费视频| 在线观看舔阴道视频| 国产av在哪里看| 中文字幕人妻丝袜制服| 最新在线观看一区二区三区| 一本大道久久a久久精品| 好男人电影高清在线观看| 一二三四社区在线视频社区8| 中文字幕人妻熟女乱码| 国产激情欧美一区二区| 一区二区日韩欧美中文字幕| 性欧美人与动物交配| 久久婷婷成人综合色麻豆| 啪啪无遮挡十八禁网站| www日本在线高清视频| 女生性感内裤真人,穿戴方法视频| 久久精品国产99精品国产亚洲性色 | 精品久久久久久久久久免费视频 | 中文欧美无线码| 又黄又粗又硬又大视频| 国产精品九九99| 国产高清国产精品国产三级| 两个人免费观看高清视频| x7x7x7水蜜桃| 每晚都被弄得嗷嗷叫到高潮| 两性夫妻黄色片| 老司机在亚洲福利影院| 狠狠狠狠99中文字幕| 日日爽夜夜爽网站| 国产精品二区激情视频| 伦理电影免费视频| 黄色女人牲交| 成人三级做爰电影| 色在线成人网| 久久这里只有精品19| 欧美日韩黄片免| 电影成人av| 欧美人与性动交α欧美软件| 丝袜美腿诱惑在线| 91九色精品人成在线观看| 亚洲av成人av| 亚洲欧美日韩高清在线视频| 亚洲男人天堂网一区| 人妻久久中文字幕网| 久久人人97超碰香蕉20202| 久久精品亚洲av国产电影网| 侵犯人妻中文字幕一二三四区| 久久中文字幕一级| 国产精品电影一区二区三区| 欧美黄色片欧美黄色片| av天堂久久9| 巨乳人妻的诱惑在线观看| 免费在线观看亚洲国产| 久久欧美精品欧美久久欧美| 视频区图区小说| 妹子高潮喷水视频| 91国产中文字幕| 国产精品98久久久久久宅男小说| 在线看a的网站| 搡老熟女国产l中国老女人| 欧美日本中文国产一区发布| 91老司机精品| 国产精品二区激情视频| 50天的宝宝边吃奶边哭怎么回事| 88av欧美| 50天的宝宝边吃奶边哭怎么回事| 欧美黄色片欧美黄色片| 精品国产一区二区久久| 脱女人内裤的视频| 精品久久蜜臀av无| 国产成+人综合+亚洲专区| 精品久久久久久,| 69av精品久久久久久| 欧美中文综合在线视频| 精品国产亚洲在线| 午夜福利在线免费观看网站| 欧美一级毛片孕妇| 亚洲午夜精品一区,二区,三区| 亚洲男人天堂网一区| 欧美乱妇无乱码| 午夜成年电影在线免费观看| 又黄又粗又硬又大视频| avwww免费| 69精品国产乱码久久久| 91精品国产国语对白视频| 亚洲欧美精品综合一区二区三区| 99热只有精品国产| 国产精品偷伦视频观看了| 可以在线观看毛片的网站| a级片在线免费高清观看视频| 精品午夜福利视频在线观看一区| 波多野结衣av一区二区av| 极品人妻少妇av视频| 午夜精品国产一区二区电影| 欧美日韩一级在线毛片| 老熟妇仑乱视频hdxx| 亚洲色图 男人天堂 中文字幕| 亚洲熟女毛片儿| 麻豆av在线久日| 亚洲一区中文字幕在线| 久久精品国产亚洲av高清一级| 女人爽到高潮嗷嗷叫在线视频| 色综合站精品国产| 国产1区2区3区精品| 国产精品一区二区三区四区久久 | 亚洲狠狠婷婷综合久久图片| 欧美乱码精品一区二区三区| 嫩草影院精品99| 日日摸夜夜添夜夜添小说| 深夜精品福利| av国产精品久久久久影院| 亚洲,欧美精品.| 国产高清videossex| 男女下面进入的视频免费午夜 | 久久人妻熟女aⅴ| 好看av亚洲va欧美ⅴa在| 亚洲av电影在线进入| 国产99久久九九免费精品| 中文字幕人妻丝袜一区二区| 99精品在免费线老司机午夜| 久久久久久大精品| 国产成人精品久久二区二区免费| 极品教师在线免费播放| 9191精品国产免费久久| 国产三级黄色录像| 窝窝影院91人妻| 他把我摸到了高潮在线观看| 欧美久久黑人一区二区| 中文字幕人妻丝袜一区二区| 啦啦啦在线免费观看视频4| 午夜福利,免费看| 精品久久久久久久久久免费视频 | 久久伊人香网站| 日韩欧美一区视频在线观看| svipshipincom国产片| 国产主播在线观看一区二区| 色尼玛亚洲综合影院| 欧美黑人精品巨大| 国产av一区在线观看免费| 涩涩av久久男人的天堂| 十八禁人妻一区二区| 欧美日韩一级在线毛片| 欧美丝袜亚洲另类 | 男女高潮啪啪啪动态图| 午夜福利一区二区在线看| 久久伊人香网站| 免费av毛片视频| 成人18禁高潮啪啪吃奶动态图| 国产免费av片在线观看野外av| 伦理电影免费视频| www.999成人在线观看| 免费观看精品视频网站| 久久久国产精品麻豆| 黑人操中国人逼视频| 国产av精品麻豆| 亚洲欧美一区二区三区久久| а√天堂www在线а√下载| 日韩精品中文字幕看吧| 亚洲五月天丁香| 亚洲午夜精品一区,二区,三区| 一个人免费在线观看的高清视频| 亚洲成国产人片在线观看| 精品午夜福利视频在线观看一区| 每晚都被弄得嗷嗷叫到高潮| 在线观看免费日韩欧美大片| 曰老女人黄片| 黄色视频不卡| 亚洲一区高清亚洲精品| 超碰97精品在线观看| 久久亚洲真实| 91九色精品人成在线观看| 亚洲av美国av| 国产aⅴ精品一区二区三区波| 新久久久久国产一级毛片| 老鸭窝网址在线观看| 国产99久久九九免费精品| 久久精品aⅴ一区二区三区四区| 97超级碰碰碰精品色视频在线观看| 国产精品98久久久久久宅男小说| 五月开心婷婷网| 中文字幕最新亚洲高清| 制服诱惑二区| 无限看片的www在线观看| 欧美日本中文国产一区发布| 免费久久久久久久精品成人欧美视频| 国产成人欧美| 国产精品久久久久久人妻精品电影| 黑人操中国人逼视频| 亚洲成av片中文字幕在线观看| 免费久久久久久久精品成人欧美视频| av天堂在线播放| 一区在线观看完整版| 九色亚洲精品在线播放| 欧美日韩亚洲综合一区二区三区_| 欧美最黄视频在线播放免费 | 女性生殖器流出的白浆| 亚洲在线自拍视频| 精品国产一区二区三区四区第35| 精品一区二区三区四区五区乱码| 在线观看www视频免费| 狠狠狠狠99中文字幕| 久久青草综合色| 天天影视国产精品| 亚洲色图 男人天堂 中文字幕| 不卡av一区二区三区| 美女高潮到喷水免费观看| 久久国产乱子伦精品免费另类| 高清毛片免费观看视频网站 | 日本欧美视频一区| 桃红色精品国产亚洲av| 国产亚洲精品综合一区在线观看 | 天堂中文最新版在线下载| 亚洲国产欧美网| 咕卡用的链子| 纯流量卡能插随身wifi吗| 18美女黄网站色大片免费观看| 国产亚洲精品综合一区在线观看 | 成年人免费黄色播放视频| 国内久久婷婷六月综合欲色啪| 色在线成人网| 亚洲欧美激情综合另类| 国产高清视频在线播放一区| 在线观看午夜福利视频| 亚洲色图av天堂| 亚洲国产精品一区二区三区在线| 国产成人精品久久二区二区免费| 天堂√8在线中文| 国产高清videossex| 在线观看免费视频网站a站| 久久精品国产99精品国产亚洲性色 | e午夜精品久久久久久久| 成人国产一区最新在线观看| 制服诱惑二区| 不卡一级毛片| 午夜免费激情av| 亚洲午夜理论影院| a级毛片黄视频| av在线天堂中文字幕 | 免费日韩欧美在线观看| 天天添夜夜摸| 亚洲中文日韩欧美视频| 啦啦啦 在线观看视频| 在线观看舔阴道视频| 久久亚洲真实| 欧美一区二区精品小视频在线| 久久久国产成人精品二区 | 日日爽夜夜爽网站| 久久精品国产亚洲av高清一级| 国产精品亚洲一级av第二区| 欧美日韩福利视频一区二区| 国产在线观看jvid| 淫妇啪啪啪对白视频| 国产成人精品在线电影| 97人妻天天添夜夜摸| 波多野结衣一区麻豆| 欧美日本亚洲视频在线播放| 天堂影院成人在线观看| 久久久久久久久中文| 久久人妻福利社区极品人妻图片| 一级黄色大片毛片| 国产精品秋霞免费鲁丝片| 国产xxxxx性猛交| 亚洲情色 制服丝袜| 成在线人永久免费视频| 亚洲欧美日韩另类电影网站| 美女 人体艺术 gogo| 亚洲片人在线观看| 免费观看精品视频网站| 日本a在线网址| 夜夜看夜夜爽夜夜摸 | 黄网站色视频无遮挡免费观看| 一进一出抽搐动态| 久久亚洲精品不卡| 真人做人爱边吃奶动态| 母亲3免费完整高清在线观看| 亚洲成人久久性| 精品久久蜜臀av无| 91麻豆精品激情在线观看国产 | 一a级毛片在线观看| 无遮挡黄片免费观看| 波多野结衣一区麻豆| 久久精品91蜜桃| 这个男人来自地球电影免费观看| 亚洲欧美日韩另类电影网站| 精品熟女少妇八av免费久了| 在线观看一区二区三区| 丁香六月欧美| 电影成人av| 大型黄色视频在线免费观看| 国产激情久久老熟女| 女生性感内裤真人,穿戴方法视频| 欧美激情久久久久久爽电影 | 中出人妻视频一区二区| 99热只有精品国产| 又黄又粗又硬又大视频| 欧美成狂野欧美在线观看| 久久久国产欧美日韩av| 亚洲在线自拍视频| 日日干狠狠操夜夜爽| 悠悠久久av| 久久久久国产一级毛片高清牌| 国产91精品成人一区二区三区| 91在线观看av| 99riav亚洲国产免费| 国产三级在线视频| 最新美女视频免费是黄的| 欧美日韩亚洲综合一区二区三区_| 午夜两性在线视频| 亚洲成国产人片在线观看| 亚洲久久久国产精品| 免费日韩欧美在线观看| 久99久视频精品免费| 精品一品国产午夜福利视频| 看黄色毛片网站| 色精品久久人妻99蜜桃| 亚洲少妇的诱惑av| 91老司机精品| 亚洲av熟女| 亚洲专区中文字幕在线| 在线播放国产精品三级| 黑丝袜美女国产一区| 久热爱精品视频在线9| 日韩一卡2卡3卡4卡2021年| 另类亚洲欧美激情| 午夜91福利影院| 黄片大片在线免费观看| 欧美一区二区精品小视频在线| 无人区码免费观看不卡| 亚洲欧美日韩无卡精品| 美女扒开内裤让男人捅视频| 国产主播在线观看一区二区| 国产日韩一区二区三区精品不卡| 久久精品国产清高在天天线| 欧美大码av| 亚洲熟妇熟女久久| 在线国产一区二区在线| 精品国产乱码久久久久久男人| 国产精品国产高清国产av| 在线观看午夜福利视频| 丝袜在线中文字幕| x7x7x7水蜜桃| 国产xxxxx性猛交| 在线观看免费视频日本深夜| 桃红色精品国产亚洲av| 老熟妇仑乱视频hdxx| av片东京热男人的天堂| 国产精品香港三级国产av潘金莲| 国产精品 欧美亚洲| 亚洲av美国av| 男男h啪啪无遮挡| 欧美日韩乱码在线| 激情在线观看视频在线高清| 超色免费av| 12—13女人毛片做爰片一| 日本wwww免费看| 精品人妻1区二区| 成人三级做爰电影| 亚洲第一青青草原| 精品高清国产在线一区| 亚洲一码二码三码区别大吗| 欧美日韩av久久| 国产色视频综合| 一区二区三区激情视频| 精品无人区乱码1区二区| 国产又爽黄色视频| 久久久久久久久免费视频了| 国产成人精品在线电影| 欧美日韩av久久| 欧美日韩视频精品一区| 日韩欧美国产一区二区入口| 亚洲欧美精品综合久久99| 亚洲成人国产一区在线观看| 午夜精品久久久久久毛片777| 一级毛片精品| 女生性感内裤真人,穿戴方法视频| 国产伦一二天堂av在线观看| av超薄肉色丝袜交足视频| 不卡一级毛片|