• <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》
    av国产精品久久久久影院| 麻豆精品久久久久久蜜桃| 建设人人有责人人尽责人人享有的| av在线app专区| 高清视频免费观看一区二区| 国产精品成人在线| 国产激情久久老熟女| 欧美日韩国产mv在线观看视频| 韩国高清视频一区二区三区| a级片在线免费高清观看视频| 精品国产乱码久久久久久男人| 最黄视频免费看| 在线观看国产h片| 国产老妇伦熟女老妇高清| 99久久人妻综合| 不卡视频在线观看欧美| 亚洲激情五月婷婷啪啪| 欧美另类一区| 亚洲国产精品成人久久小说| 丝袜喷水一区| 日韩一区二区视频免费看| 两个人免费观看高清视频| 性高湖久久久久久久久免费观看| 麻豆av在线久日| 国产成人91sexporn| 男女边吃奶边做爰视频| 久久青草综合色| 女人爽到高潮嗷嗷叫在线视频| 久久久久精品性色| 欧美 日韩 精品 国产| 波多野结衣av一区二区av| 亚洲成人国产一区在线观看 | 亚洲成人免费av在线播放| 青春草视频在线免费观看| 一本一本久久a久久精品综合妖精| 人妻一区二区av| 欧美激情极品国产一区二区三区| 人人妻人人澡人人爽人人夜夜| 只有这里有精品99| 天美传媒精品一区二区| 亚洲国产欧美日韩在线播放| 亚洲欧美成人精品一区二区| 青草久久国产| 欧美日韩视频高清一区二区三区二| 最近的中文字幕免费完整| 亚洲精品久久成人aⅴ小说| 黄频高清免费视频| 亚洲欧洲日产国产| 麻豆精品久久久久久蜜桃| 国产精品久久久人人做人人爽| 看十八女毛片水多多多| 精品福利永久在线观看| 中文字幕另类日韩欧美亚洲嫩草| 久久女婷五月综合色啪小说| 亚洲中文av在线| av视频免费观看在线观看| 久久av网站| 91成人精品电影| 美女中出高潮动态图| 久久精品久久久久久久性| 在线观看www视频免费| 亚洲国产精品成人久久小说| 妹子高潮喷水视频| 精品亚洲乱码少妇综合久久| 日韩视频在线欧美| 深夜精品福利| 天天添夜夜摸| 中文天堂在线官网| 男人操女人黄网站| 久久久久国产一级毛片高清牌| 精品第一国产精品| 欧美人与性动交α欧美软件| 精品亚洲成国产av| 久久免费观看电影| 青青草视频在线视频观看| 黄网站色视频无遮挡免费观看| 宅男免费午夜| 视频区图区小说| 亚洲成人手机| 免费少妇av软件| 最近最新中文字幕大全免费视频 | 丰满少妇做爰视频| 欧美在线黄色| 丝袜人妻中文字幕| 国产av国产精品国产| 女的被弄到高潮叫床怎么办| 国产av精品麻豆| 女人精品久久久久毛片| 丝袜脚勾引网站| 赤兔流量卡办理| 日韩人妻精品一区2区三区| 欧美国产精品一级二级三级| 国产精品蜜桃在线观看| 肉色欧美久久久久久久蜜桃| 中文精品一卡2卡3卡4更新| 五月天丁香电影| 午夜福利乱码中文字幕| 亚洲熟女精品中文字幕| 天天躁日日躁夜夜躁夜夜| 国产麻豆69| 黄色怎么调成土黄色| 国产精品蜜桃在线观看| 国产伦人伦偷精品视频| 亚洲av电影在线观看一区二区三区| 日韩中文字幕欧美一区二区 | 久久性视频一级片| 亚洲成人手机| 日韩欧美一区视频在线观看| 国产熟女午夜一区二区三区| 午夜福利影视在线免费观看| 蜜桃在线观看..| 一区二区三区精品91| 校园人妻丝袜中文字幕| 伊人久久国产一区二区| 午夜福利网站1000一区二区三区| 久久ye,这里只有精品| 亚洲精品在线美女| 久久精品国产亚洲av涩爱| bbb黄色大片| 亚洲欧美一区二区三区久久| 国产午夜精品一二区理论片| 两性夫妻黄色片| av国产精品久久久久影院| 九九爱精品视频在线观看| 国产有黄有色有爽视频| 国产精品三级大全| 日韩中文字幕欧美一区二区 | 免费在线观看黄色视频的| 中文字幕高清在线视频| 91成人精品电影| 午夜福利网站1000一区二区三区| 国产片内射在线| 在线观看www视频免费| 欧美激情极品国产一区二区三区| 午夜激情久久久久久久| 婷婷成人精品国产| 日韩熟女老妇一区二区性免费视频| 菩萨蛮人人尽说江南好唐韦庄| 国产在视频线精品| 熟女av电影| 日韩伦理黄色片| 一区二区三区乱码不卡18| 久久狼人影院| 久久精品久久久久久噜噜老黄| 日韩欧美精品免费久久| 免费看不卡的av| 99精品久久久久人妻精品| 一级毛片我不卡| 国产xxxxx性猛交| 这个男人来自地球电影免费观看 | 免费观看人在逋| 国产精品欧美亚洲77777| 麻豆精品久久久久久蜜桃| 美女高潮到喷水免费观看| 成人国语在线视频| 天堂俺去俺来也www色官网| 日韩,欧美,国产一区二区三区| 日韩不卡一区二区三区视频在线| 国产精品99久久99久久久不卡 | 一级毛片我不卡| 一区福利在线观看| 久久久精品国产亚洲av高清涩受| 亚洲欧美一区二区三区国产| 天天添夜夜摸| 黄片播放在线免费| 国产成人系列免费观看| 美女主播在线视频| 亚洲欧美精品综合一区二区三区| 国产精品一区二区在线观看99| xxx大片免费视频| 99热全是精品| 黄频高清免费视频| 亚洲 欧美一区二区三区| 国产野战对白在线观看| 如日韩欧美国产精品一区二区三区| 国产免费一区二区三区四区乱码| 亚洲视频免费观看视频| 亚洲成国产人片在线观看| 一级黄色大片毛片| 久久人妻福利社区极品人妻图片| 怎么达到女性高潮| 男女午夜视频在线观看| 如日韩欧美国产精品一区二区三区| 国产成人免费无遮挡视频| 国产又爽黄色视频| 久久久国产成人免费| 一本综合久久免费| 长腿黑丝高跟| 精品久久蜜臀av无| 精品一区二区三区视频在线观看免费| 男女之事视频高清在线观看| 丁香六月欧美| 1024香蕉在线观看| 狂野欧美激情性xxxx| 精品不卡国产一区二区三区| 国产亚洲精品久久久久5区| 天堂影院成人在线观看| 美女大奶头视频| 男人的好看免费观看在线视频 | 午夜免费鲁丝| 国产真人三级小视频在线观看| 成人手机av| 欧美日本视频| АⅤ资源中文在线天堂| 在线播放国产精品三级| 成人三级黄色视频| bbb黄色大片| 国语自产精品视频在线第100页| 19禁男女啪啪无遮挡网站| 精品日产1卡2卡| 久久婷婷成人综合色麻豆| 日本免费a在线| 久久午夜综合久久蜜桃| 中文字幕人成人乱码亚洲影| 一进一出抽搐动态| 亚洲电影在线观看av| 精品国产乱码久久久久久男人| 成人18禁高潮啪啪吃奶动态图| 乱人伦中国视频| 日本 欧美在线| 看片在线看免费视频| 一区二区日韩欧美中文字幕| 国产亚洲欧美98| 久久精品91蜜桃| 极品教师在线免费播放| 免费在线观看日本一区| 国产一卡二卡三卡精品| 熟女少妇亚洲综合色aaa.| 免费在线观看影片大全网站| 最近最新免费中文字幕在线| 国产伦一二天堂av在线观看| 99精品欧美一区二区三区四区| 中文字幕色久视频| 此物有八面人人有两片| 成人手机av| 欧美性长视频在线观看| 91精品三级在线观看| 色综合欧美亚洲国产小说| 老熟妇仑乱视频hdxx| 电影成人av| 丝袜美足系列| 变态另类丝袜制服| 91大片在线观看| 在线视频色国产色| 99精品久久久久人妻精品| 激情在线观看视频在线高清| 国产精品精品国产色婷婷| 亚洲情色 制服丝袜| 欧美av亚洲av综合av国产av| 女警被强在线播放| 国产一区二区三区视频了| 久久久久久久精品吃奶| 国产成人精品久久二区二区免费| 亚洲久久久国产精品| 成人亚洲精品av一区二区| 天天躁夜夜躁狠狠躁躁| 波多野结衣一区麻豆| 亚洲国产精品合色在线| 免费看美女性在线毛片视频| 看黄色毛片网站| 在线永久观看黄色视频| 别揉我奶头~嗯~啊~动态视频| 国产成人免费无遮挡视频| 伊人久久大香线蕉亚洲五| 变态另类丝袜制服| 日本一区二区免费在线视频| 99久久99久久久精品蜜桃| 午夜影院日韩av| cao死你这个sao货| 一本综合久久免费| 久久久久久大精品| 怎么达到女性高潮| 深夜精品福利| 欧美大码av| 啦啦啦免费观看视频1| 久久久精品国产亚洲av高清涩受| 一区二区三区高清视频在线| 在线观看免费日韩欧美大片| 又紧又爽又黄一区二区| 免费人成视频x8x8入口观看| 少妇熟女aⅴ在线视频| 国产三级黄色录像| 国产99久久九九免费精品| 亚洲片人在线观看| 亚洲欧美精品综合久久99| 97碰自拍视频| 日本一区二区免费在线视频| 女人被躁到高潮嗷嗷叫费观| 久久性视频一级片| 亚洲熟女毛片儿| 大型av网站在线播放| 精品国产国语对白av| www.999成人在线观看| 久久伊人香网站| 亚洲国产精品999在线| 一级作爱视频免费观看| 麻豆久久精品国产亚洲av| 久久精品成人免费网站| 黄色成人免费大全| 一级片免费观看大全| 精品久久久精品久久久| 嫩草影院精品99| 亚洲色图综合在线观看| 亚洲精品美女久久久久99蜜臀| 亚洲第一电影网av| av欧美777| 欧美丝袜亚洲另类 | 国产区一区二久久| 午夜福利高清视频| 波多野结衣一区麻豆| 国产精品亚洲一级av第二区| 母亲3免费完整高清在线观看| 欧美乱色亚洲激情| 欧美日韩乱码在线| 老司机深夜福利视频在线观看| 一个人免费在线观看的高清视频| 脱女人内裤的视频| 亚洲精品美女久久av网站| 国产精品一区二区在线不卡| 国产精品久久久久久精品电影 | 又黄又爽又免费观看的视频| 午夜亚洲福利在线播放| 老司机深夜福利视频在线观看| 精品久久久久久久毛片微露脸| 久久国产乱子伦精品免费另类| a在线观看视频网站| 欧美乱色亚洲激情| 免费女性裸体啪啪无遮挡网站| 亚洲国产欧美网| 天堂√8在线中文| 精品第一国产精品| 深夜精品福利| 人妻丰满熟妇av一区二区三区| 亚洲成人国产一区在线观看| 久久人妻av系列| 色综合亚洲欧美另类图片| 久久久久国产一级毛片高清牌| 人人妻人人澡欧美一区二区 | 午夜a级毛片| 成年女人毛片免费观看观看9| 欧美日本亚洲视频在线播放| 国产区一区二久久| 亚洲国产精品999在线| av片东京热男人的天堂| 亚洲自拍偷在线| e午夜精品久久久久久久| 精品电影一区二区在线| 精品国产一区二区久久| 波多野结衣高清无吗| 别揉我奶头~嗯~啊~动态视频| 亚洲中文字幕一区二区三区有码在线看 | 欧美丝袜亚洲另类 | 午夜久久久在线观看| 巨乳人妻的诱惑在线观看| 国产单亲对白刺激| 国产在线观看jvid| 91麻豆av在线| 日韩精品免费视频一区二区三区| 久久伊人香网站| 亚洲片人在线观看| 伦理电影免费视频| 岛国视频午夜一区免费看| 国产日韩一区二区三区精品不卡| 国产精品二区激情视频| 亚洲 欧美一区二区三区| 国产欧美日韩精品亚洲av| 50天的宝宝边吃奶边哭怎么回事| 欧美日本中文国产一区发布| 日日夜夜操网爽| 在线天堂中文资源库| 欧美最黄视频在线播放免费| 色综合站精品国产| 精品久久久精品久久久| 51午夜福利影视在线观看| 成人永久免费在线观看视频| av视频在线观看入口| 亚洲一区中文字幕在线| 午夜福利在线观看吧| 久久国产精品影院| 给我免费播放毛片高清在线观看| 黄色 视频免费看| 亚洲色图 男人天堂 中文字幕| 久久精品91蜜桃| 青草久久国产| 国产精品综合久久久久久久免费 | 久热爱精品视频在线9| 日本 欧美在线| 亚洲专区国产一区二区| 久久性视频一级片| 纯流量卡能插随身wifi吗| 国产极品粉嫩免费观看在线| 999久久久国产精品视频| 99久久国产精品久久久| 女人高潮潮喷娇喘18禁视频| 99久久综合精品五月天人人| 日韩欧美一区视频在线观看| 久久人妻av系列| 天堂动漫精品| 亚洲中文日韩欧美视频| 中文字幕另类日韩欧美亚洲嫩草| 亚洲一区中文字幕在线| 久久久久国内视频| 国产成人欧美| 非洲黑人性xxxx精品又粗又长| 人人妻,人人澡人人爽秒播| 女人精品久久久久毛片| 男人舔女人下体高潮全视频| 亚洲天堂国产精品一区在线| 99国产精品免费福利视频| 精品国内亚洲2022精品成人| 亚洲av日韩精品久久久久久密| 麻豆一二三区av精品| 大陆偷拍与自拍| 99国产精品一区二区三区| 日韩av在线大香蕉| 夜夜看夜夜爽夜夜摸| 男人操女人黄网站| 亚洲av成人不卡在线观看播放网| e午夜精品久久久久久久| 亚洲国产精品999在线| 欧美日韩亚洲国产一区二区在线观看| 午夜免费观看网址| 窝窝影院91人妻| 国产精品爽爽va在线观看网站 | 精品少妇一区二区三区视频日本电影| 999精品在线视频| 日本一区二区免费在线视频| 精品久久久久久,| 婷婷丁香在线五月| 国产私拍福利视频在线观看| 中文字幕av电影在线播放| 亚洲av电影在线进入| 一本大道久久a久久精品| 大型av网站在线播放| 一级黄色大片毛片| 一级作爱视频免费观看| 91成人精品电影| 成人亚洲精品av一区二区| 丰满的人妻完整版| 欧美久久黑人一区二区| 亚洲精品国产精品久久久不卡| 中文字幕高清在线视频| 亚洲av第一区精品v没综合| 国产精品一区二区精品视频观看| 两性夫妻黄色片| 男人舔女人的私密视频| 欧美黄色淫秽网站| 日韩欧美一区二区三区在线观看| 50天的宝宝边吃奶边哭怎么回事| 日韩视频一区二区在线观看| 激情在线观看视频在线高清| 亚洲成av人片免费观看| 午夜免费成人在线视频| 免费久久久久久久精品成人欧美视频| 人人妻人人爽人人添夜夜欢视频| 国产成人精品久久二区二区免费| 高清黄色对白视频在线免费看| 女同久久另类99精品国产91| 国产精品久久视频播放| 一级a爱视频在线免费观看| 久久性视频一级片| 亚洲伊人色综图| 欧美成人免费av一区二区三区| 欧美午夜高清在线| 久久国产亚洲av麻豆专区| 欧美激情高清一区二区三区| 侵犯人妻中文字幕一二三四区| 好男人在线观看高清免费视频 | 久久中文字幕人妻熟女| 欧美不卡视频在线免费观看 | 久久久久久久精品吃奶| 国产午夜福利久久久久久| 非洲黑人性xxxx精品又粗又长| 日本欧美视频一区| 欧美大码av| av有码第一页| 超碰成人久久| 大香蕉久久成人网| 午夜免费成人在线视频| 欧美国产日韩亚洲一区| 国产私拍福利视频在线观看| 中文字幕高清在线视频| 色播亚洲综合网| 欧美日韩黄片免| 免费不卡黄色视频| 久久亚洲精品不卡| 99精品在免费线老司机午夜| 90打野战视频偷拍视频| 欧美乱色亚洲激情| 午夜免费激情av| 黑人巨大精品欧美一区二区蜜桃| 亚洲欧美精品综合久久99| 精品乱码久久久久久99久播| 亚洲中文日韩欧美视频| 久久亚洲真实| 国产欧美日韩一区二区三区在线| 色综合欧美亚洲国产小说| 亚洲av美国av| 午夜福利影视在线免费观看| 亚洲人成电影观看| www.自偷自拍.com| √禁漫天堂资源中文www| 欧美日本中文国产一区发布| 欧美国产精品va在线观看不卡| 91国产中文字幕| 女人高潮潮喷娇喘18禁视频| 正在播放国产对白刺激| 久久久精品欧美日韩精品| 老司机在亚洲福利影院| 操出白浆在线播放| 国产xxxxx性猛交| 精品一区二区三区av网在线观看| 国产精品自产拍在线观看55亚洲| 又紧又爽又黄一区二区| 三级毛片av免费| avwww免费| 脱女人内裤的视频| 亚洲av熟女| 亚洲 欧美 日韩 在线 免费| 国产极品粉嫩免费观看在线| 在线视频色国产色| 久久影院123| 久久香蕉国产精品| 成年版毛片免费区| 精品欧美国产一区二区三| 亚洲精品在线观看二区| 亚洲欧洲精品一区二区精品久久久| 国产精品日韩av在线免费观看 | 男女下面插进去视频免费观看| 欧美亚洲日本最大视频资源| 精品午夜福利视频在线观看一区| 十八禁网站免费在线| 欧美 亚洲 国产 日韩一| 成年人黄色毛片网站| 女人高潮潮喷娇喘18禁视频| 丰满人妻熟妇乱又伦精品不卡| 成人免费观看视频高清| 一级a爱视频在线免费观看| 国产成人av教育| 久久精品国产亚洲av香蕉五月| 波多野结衣巨乳人妻| 色播亚洲综合网| 18禁观看日本| 成人18禁在线播放| 嫩草影院精品99| 亚洲人成网站在线播放欧美日韩| 国产亚洲欧美98| 黄片小视频在线播放| 啦啦啦韩国在线观看视频| 亚洲男人天堂网一区| 国产成+人综合+亚洲专区| 国产精华一区二区三区| 精品久久久久久,| 我的亚洲天堂| 国产成人精品无人区| 纯流量卡能插随身wifi吗| 欧美中文综合在线视频| 淫秽高清视频在线观看| 久久香蕉精品热| 成人国语在线视频| 一二三四社区在线视频社区8| 色婷婷久久久亚洲欧美| 免费在线观看黄色视频的| 男女下面进入的视频免费午夜 | 久久久久国产精品人妻aⅴ院| 别揉我奶头~嗯~啊~动态视频| 一区福利在线观看| 色播在线永久视频| 在线观看免费日韩欧美大片| 搡老岳熟女国产| 可以在线观看毛片的网站| 国产精品 国内视频| 99国产极品粉嫩在线观看| 正在播放国产对白刺激| 欧美激情高清一区二区三区| 国产成人欧美| 亚洲国产精品久久男人天堂| 亚洲性夜色夜夜综合| 精品一区二区三区视频在线观看免费| 99久久综合精品五月天人人| 女生性感内裤真人,穿戴方法视频| 亚洲最大成人中文| bbb黄色大片| 久久精品国产清高在天天线| 国产免费男女视频| 亚洲五月婷婷丁香| 99re在线观看精品视频| 热re99久久国产66热| 午夜免费激情av| 国产又爽黄色视频| 波多野结衣巨乳人妻| 亚洲人成电影观看| 久久国产精品男人的天堂亚洲| 久久 成人 亚洲| 99riav亚洲国产免费| 97人妻精品一区二区三区麻豆 | 免费在线观看视频国产中文字幕亚洲| 麻豆国产av国片精品| 久久婷婷人人爽人人干人人爱 | 丝袜人妻中文字幕| 国产在线观看jvid| 一区二区三区国产精品乱码| 一区二区三区精品91| 中文字幕人成人乱码亚洲影| 色播在线永久视频| 欧美成狂野欧美在线观看| 亚洲国产看品久久| 成人精品一区二区免费| 嫁个100分男人电影在线观看| 欧美在线黄色| 精品卡一卡二卡四卡免费| 制服诱惑二区| 亚洲第一av免费看| 色综合婷婷激情| tocl精华|