• <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》
    女性生殖器流出的白浆| 国产一区二区在线观看av| 多毛熟女@视频| av国产久精品久网站免费入址| 亚洲av综合色区一区| 国产精品香港三级国产av潘金莲 | 精品一品国产午夜福利视频| 国产探花极品一区二区| 男女边摸边吃奶| 国产精品秋霞免费鲁丝片| 国产精品女同一区二区软件| 免费黄色在线免费观看| 国产av一区二区精品久久| 中文字幕另类日韩欧美亚洲嫩草| 久久精品亚洲av国产电影网| 国产一区二区三区av在线| 免费高清在线观看视频在线观看| 丝袜美腿诱惑在线| 亚洲少妇的诱惑av| 在线亚洲精品国产二区图片欧美| 精品国产超薄肉色丝袜足j| 最近手机中文字幕大全| 国产无遮挡羞羞视频在线观看| 老女人水多毛片| 韩国精品一区二区三区| tube8黄色片| 十八禁高潮呻吟视频| 女性被躁到高潮视频| 在线观看www视频免费| 精品人妻一区二区三区麻豆| 国产在线一区二区三区精| 十八禁高潮呻吟视频| 国产xxxxx性猛交| 人妻一区二区av| 免费女性裸体啪啪无遮挡网站| 电影成人av| 免费女性裸体啪啪无遮挡网站| 街头女战士在线观看网站| 亚洲成国产人片在线观看| 午夜免费鲁丝| 一级a爱视频在线免费观看| 亚洲精品第二区| 老汉色∧v一级毛片| 亚洲欧美色中文字幕在线| 丝袜在线中文字幕| 热re99久久精品国产66热6| 亚洲av综合色区一区| 97在线人人人人妻| 亚洲少妇的诱惑av| 国产色婷婷99| 秋霞伦理黄片| 尾随美女入室| 老司机影院毛片| 国产成人精品久久久久久| 日韩av在线免费看完整版不卡| 亚洲精品视频女| 99热国产这里只有精品6| 亚洲国产av新网站| 成年女人毛片免费观看观看9 | av.在线天堂| 国产精品秋霞免费鲁丝片| 美女福利国产在线| 涩涩av久久男人的天堂| 亚洲国产精品一区二区三区在线| 夫妻午夜视频| 亚洲精品在线美女| 黄色一级大片看看| 香蕉国产在线看| 亚洲国产精品一区三区| 女人被躁到高潮嗷嗷叫费观| 性高湖久久久久久久久免费观看| 日本vs欧美在线观看视频| 亚洲成人手机| 欧美精品高潮呻吟av久久| 中文字幕另类日韩欧美亚洲嫩草| 午夜激情久久久久久久| 久久久久国产精品人妻一区二区| 18禁国产床啪视频网站| 国产精品一国产av| av卡一久久| 亚洲美女搞黄在线观看| 国产有黄有色有爽视频| √禁漫天堂资源中文www| 国产精品免费视频内射| 人人妻人人爽人人添夜夜欢视频| 五月伊人婷婷丁香| 精品少妇内射三级| 国产日韩欧美在线精品| 亚洲欧美一区二区三区黑人 | a级片在线免费高清观看视频| 18在线观看网站| 成人漫画全彩无遮挡| 青春草国产在线视频| 亚洲欧美精品综合一区二区三区 | 制服诱惑二区| 久久久久久久精品精品| 欧美日韩av久久| 国产精品久久久久久久久免| 国产成人欧美| 亚洲图色成人| 国产成人一区二区在线| 午夜免费男女啪啪视频观看| 在线观看免费视频网站a站| 亚洲国产精品999| 久久久久久久久久人人人人人人| 在线看a的网站| 国产熟女午夜一区二区三区| 国产精品秋霞免费鲁丝片| 国产精品免费大片| 一区二区三区四区激情视频| 在现免费观看毛片| 国产欧美日韩一区二区三区在线| 精品亚洲成国产av| 国产成人午夜福利电影在线观看| 免费观看在线日韩| 97在线视频观看| 少妇 在线观看| 亚洲,欧美精品.| 国产一区二区三区av在线| 免费观看无遮挡的男女| 亚洲伊人色综图| 精品国产乱码久久久久久男人| 少妇的丰满在线观看| a级毛片黄视频| 久久婷婷青草| 制服诱惑二区| 一本久久精品| 热99久久久久精品小说推荐| 日韩精品有码人妻一区| av不卡在线播放| 巨乳人妻的诱惑在线观看| 男的添女的下面高潮视频| 欧美国产精品一级二级三级| 亚洲成人一二三区av| 性高湖久久久久久久久免费观看| 桃花免费在线播放| 久久久久网色| 欧美老熟妇乱子伦牲交| 亚洲欧洲国产日韩| 久久国内精品自在自线图片| 日韩在线高清观看一区二区三区| 欧美日韩精品成人综合77777| 午夜日韩欧美国产| 午夜福利一区二区在线看| 最新的欧美精品一区二区| 久久青草综合色| 99久久人妻综合| 你懂的网址亚洲精品在线观看| 精品久久蜜臀av无| 亚洲精品中文字幕在线视频| 国产高清不卡午夜福利| 一级毛片电影观看| 成人二区视频| 美女高潮到喷水免费观看| 女人精品久久久久毛片| 春色校园在线视频观看| 亚洲第一青青草原| av片东京热男人的天堂| 麻豆精品久久久久久蜜桃| 黄色配什么色好看| 亚洲精品国产一区二区精华液| 两个人免费观看高清视频| 久久精品aⅴ一区二区三区四区 | 亚洲国产av新网站| 精品卡一卡二卡四卡免费| 纯流量卡能插随身wifi吗| 亚洲在久久综合| 国产精品无大码| 国产亚洲午夜精品一区二区久久| 中文乱码字字幕精品一区二区三区| 91成人精品电影| 黄色一级大片看看| 国产成人91sexporn| 精品国产国语对白av| 涩涩av久久男人的天堂| 色网站视频免费| 国产一区亚洲一区在线观看| 水蜜桃什么品种好| 国产午夜精品一二区理论片| 日产精品乱码卡一卡2卡三| 两个人看的免费小视频| 亚洲精品在线美女| 看免费成人av毛片| 国产国语露脸激情在线看| 国产人伦9x9x在线观看 | 日韩一本色道免费dvd| 制服人妻中文乱码| 一区二区三区激情视频| 男人添女人高潮全过程视频| 叶爱在线成人免费视频播放| 一级毛片 在线播放| 性色avwww在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 中文字幕人妻丝袜制服| 亚洲伊人久久精品综合| 人人妻人人添人人爽欧美一区卜| 国产精品嫩草影院av在线观看| 国产精品久久久久久久久免| 一区福利在线观看| 国产熟女欧美一区二区| 日本午夜av视频| 国产男人的电影天堂91| 午夜日韩欧美国产| 国产亚洲一区二区精品| 国产免费又黄又爽又色| 国产精品.久久久| 大香蕉久久成人网| 伦理电影免费视频| 777久久人妻少妇嫩草av网站| 男女无遮挡免费网站观看| 青草久久国产| 午夜激情av网站| 丝袜脚勾引网站| 99久久人妻综合| 日韩一本色道免费dvd| 国产精品久久久久久av不卡| 国产精品不卡视频一区二区| 成年女人毛片免费观看观看9 | 国产熟女欧美一区二区| 免费观看性生交大片5| 在线观看一区二区三区激情| 国产精品无大码| 2021少妇久久久久久久久久久| 免费看不卡的av| 少妇人妻久久综合中文| 国产无遮挡羞羞视频在线观看| 肉色欧美久久久久久久蜜桃| 一区二区三区四区激情视频| 熟女av电影| 亚洲av男天堂| 久久久久久久国产电影| 久久久亚洲精品成人影院| 美女福利国产在线| 亚洲久久久国产精品| 一本色道久久久久久精品综合| 久久久久久免费高清国产稀缺| 90打野战视频偷拍视频| 黑人猛操日本美女一级片| 女的被弄到高潮叫床怎么办| 亚洲精品久久久久久婷婷小说| 精品国产国语对白av| 日韩在线高清观看一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | 嫩草影院入口| 亚洲第一青青草原| 有码 亚洲区| 18禁动态无遮挡网站| 男女免费视频国产| 亚洲婷婷狠狠爱综合网| 亚洲人成网站在线观看播放| xxx大片免费视频| 欧美亚洲日本最大视频资源| 男女下面插进去视频免费观看| 高清不卡的av网站| 久久久欧美国产精品| 亚洲综合色惰| 999久久久国产精品视频| 天天躁夜夜躁狠狠久久av| 亚洲国产欧美网| 亚洲视频免费观看视频| 一级片'在线观看视频| 18禁观看日本| 18在线观看网站| 婷婷色综合www| 国产毛片在线视频| 大片电影免费在线观看免费| 精品亚洲成a人片在线观看| 大香蕉久久成人网| 久久精品夜色国产| 午夜福利在线免费观看网站| 日韩制服骚丝袜av| 国产老妇伦熟女老妇高清| 国产不卡av网站在线观看| 欧美人与性动交α欧美精品济南到 | 亚洲国产欧美网| 久久毛片免费看一区二区三区| 波多野结衣一区麻豆| 高清欧美精品videossex| 人妻 亚洲 视频| 精品人妻偷拍中文字幕| 成人18禁高潮啪啪吃奶动态图| 日韩不卡一区二区三区视频在线| 最近手机中文字幕大全| 美女午夜性视频免费| 久久久亚洲精品成人影院| 久久人人爽av亚洲精品天堂| 99久久人妻综合| 中文字幕另类日韩欧美亚洲嫩草| 高清av免费在线| 亚洲精品第二区| 亚洲精品美女久久久久99蜜臀 | 九九爱精品视频在线观看| 波野结衣二区三区在线| 一本—道久久a久久精品蜜桃钙片| 日本欧美国产在线视频| 另类亚洲欧美激情| 青草久久国产| 丰满迷人的少妇在线观看| 999久久久国产精品视频| 免费观看av网站的网址| 色哟哟·www| 欧美日韩精品网址| 久久av网站| 久久精品久久久久久噜噜老黄| 99九九在线精品视频| 国产色婷婷99| 国产精品国产三级专区第一集| 欧美人与性动交α欧美软件| 大陆偷拍与自拍| 精品少妇久久久久久888优播| 日韩欧美一区视频在线观看| 99久久中文字幕三级久久日本| 亚洲成人一二三区av| 麻豆av在线久日| 久久国内精品自在自线图片| 免费观看在线日韩| 亚洲中文av在线| 男女边吃奶边做爰视频| 久久婷婷青草| www.精华液| 日本91视频免费播放| 99香蕉大伊视频| 在线免费观看不下载黄p国产| 日本-黄色视频高清免费观看| 91精品伊人久久大香线蕉| 国产毛片在线视频| 9色porny在线观看| 18禁国产床啪视频网站| 成人漫画全彩无遮挡| 考比视频在线观看| 精品一区在线观看国产| 另类亚洲欧美激情| 搡老乐熟女国产| 久久久精品免费免费高清| 777米奇影视久久| 男女午夜视频在线观看| 中国三级夫妇交换| 久久久久久久亚洲中文字幕| 亚洲成国产人片在线观看| 国产在线一区二区三区精| 26uuu在线亚洲综合色| 免费看av在线观看网站| 男人操女人黄网站| 欧美成人精品欧美一级黄| 久久99蜜桃精品久久| 久久久久国产精品人妻一区二区| 午夜日本视频在线| 久久人人爽人人片av| 久久久亚洲精品成人影院| 亚洲一区中文字幕在线| 久久久久久久久久久久大奶| 少妇 在线观看| 国产精品 国内视频| 久久久久精品性色| 免费观看在线日韩| 国产一区二区 视频在线| 久久人人爽人人片av| 在线 av 中文字幕| 国产精品不卡视频一区二区| 日韩不卡一区二区三区视频在线| 亚洲婷婷狠狠爱综合网| 高清在线视频一区二区三区| 男的添女的下面高潮视频| 精品第一国产精品| 涩涩av久久男人的天堂| 国产黄色免费在线视频| 91aial.com中文字幕在线观看| 丰满少妇做爰视频| 免费女性裸体啪啪无遮挡网站| 精品久久久精品久久久| 亚洲第一区二区三区不卡| 一本大道久久a久久精品| 国产精品av久久久久免费| 欧美日韩国产mv在线观看视频| 国产白丝娇喘喷水9色精品| 久久 成人 亚洲| 成年人免费黄色播放视频| 午夜免费鲁丝| 久久鲁丝午夜福利片| 在线观看国产h片| 国产日韩欧美亚洲二区| 少妇熟女欧美另类| 伦理电影大哥的女人| 菩萨蛮人人尽说江南好唐韦庄| 99久久精品国产国产毛片| 久久久久国产网址| 激情五月婷婷亚洲| 国产野战对白在线观看| 少妇被粗大猛烈的视频| 人妻系列 视频| 夫妻性生交免费视频一级片| 色哟哟·www| 国产乱人偷精品视频| 成人黄色视频免费在线看| 97精品久久久久久久久久精品| 精品国产一区二区三区久久久樱花| 国产一区二区 视频在线| 欧美97在线视频| 性少妇av在线| 性色av一级| 纵有疾风起免费观看全集完整版| 日本爱情动作片www.在线观看| 国产xxxxx性猛交| 亚洲欧洲国产日韩| 在线免费观看不下载黄p国产| 国产男女超爽视频在线观看| 在线观看国产h片| 国产成人精品一,二区| 69精品国产乱码久久久| 欧美日韩av久久| 欧美最新免费一区二区三区| 久久久精品94久久精品| 亚洲伊人色综图| 亚洲美女黄色视频免费看| 美女国产高潮福利片在线看| videosex国产| 久久久久人妻精品一区果冻| 精品国产一区二区三区四区第35| 美女主播在线视频| 亚洲精品第二区| 中文字幕人妻丝袜制服| 高清不卡的av网站| 欧美激情 高清一区二区三区| 中国三级夫妇交换| 999精品在线视频| 亚洲精品日韩在线中文字幕| 日本欧美国产在线视频| 香蕉丝袜av| 中国三级夫妇交换| 久久人人97超碰香蕉20202| 日本av免费视频播放| 777久久人妻少妇嫩草av网站| 午夜福利在线免费观看网站| 我的亚洲天堂| 日韩一区二区视频免费看| 最新的欧美精品一区二区| 少妇猛男粗大的猛烈进出视频| 久久这里有精品视频免费| 人人妻人人澡人人看| 侵犯人妻中文字幕一二三四区| 国产精品av久久久久免费| 亚洲 欧美一区二区三区| 赤兔流量卡办理| 亚洲精品乱久久久久久| 999久久久国产精品视频| 国产精品偷伦视频观看了| 亚洲国产精品成人久久小说| 久久久久久久久久人人人人人人| 日韩成人av中文字幕在线观看| 成人午夜精彩视频在线观看| 亚洲综合色惰| 女人被躁到高潮嗷嗷叫费观| 2022亚洲国产成人精品| 热99国产精品久久久久久7| 大香蕉久久网| 久久久久人妻精品一区果冻| 久久狼人影院| 黑人猛操日本美女一级片| 国产成人一区二区在线| 精品卡一卡二卡四卡免费| 永久网站在线| 一级黄片播放器| 欧美日韩精品成人综合77777| 高清在线视频一区二区三区| 色哟哟·www| 欧美+日韩+精品| 丝袜美足系列| 男女下面插进去视频免费观看| 韩国av在线不卡| 最黄视频免费看| 在线观看人妻少妇| 欧美精品av麻豆av| 免费大片黄手机在线观看| 美国免费a级毛片| 国产成人精品福利久久| 18禁国产床啪视频网站| 国产亚洲欧美精品永久| 亚洲少妇的诱惑av| 搡女人真爽免费视频火全软件| 妹子高潮喷水视频| 欧美精品人与动牲交sv欧美| 免费日韩欧美在线观看| 欧美日韩综合久久久久久| 国产av国产精品国产| 亚洲第一青青草原| 国产片内射在线| h视频一区二区三区| 啦啦啦在线观看免费高清www| 久久久久久久亚洲中文字幕| 成人国产av品久久久| 久久人妻熟女aⅴ| 99九九在线精品视频| videosex国产| 中文字幕av电影在线播放| 日韩,欧美,国产一区二区三区| 国产日韩一区二区三区精品不卡| 欧美精品高潮呻吟av久久| 桃花免费在线播放| 久久精品国产a三级三级三级| 一区在线观看完整版| 亚洲成人一二三区av| 国产黄频视频在线观看| 侵犯人妻中文字幕一二三四区| 精品人妻偷拍中文字幕| 丝袜脚勾引网站| 精品福利永久在线观看| 久久久久网色| 制服丝袜香蕉在线| 欧美成人午夜精品| 性少妇av在线| 18+在线观看网站| 久久久久久久久久久久大奶| 国产片特级美女逼逼视频| 黄片无遮挡物在线观看| 精品亚洲成国产av| 国产日韩一区二区三区精品不卡| 久久久久久久久久人人人人人人| 一二三四在线观看免费中文在| 免费在线观看黄色视频的| 久久国产精品男人的天堂亚洲| 亚洲情色 制服丝袜| 午夜福利在线免费观看网站| 久久精品夜色国产| 国产麻豆69| 少妇被粗大的猛进出69影院| 亚洲成人手机| 日韩av在线免费看完整版不卡| 国产爽快片一区二区三区| 啦啦啦在线观看免费高清www| 99re6热这里在线精品视频| 一本大道久久a久久精品| av在线观看视频网站免费| www.自偷自拍.com| 激情五月婷婷亚洲| 亚洲人成77777在线视频| 一级a爱视频在线免费观看| 最新中文字幕久久久久| 午夜福利乱码中文字幕| 国产成人a∨麻豆精品| av.在线天堂| a 毛片基地| a级毛片在线看网站| 亚洲色图 男人天堂 中文字幕| a 毛片基地| 寂寞人妻少妇视频99o| 春色校园在线视频观看| 亚洲第一区二区三区不卡| 亚洲国产最新在线播放| 亚洲欧美一区二区三区黑人 | 中文字幕人妻丝袜一区二区 | xxxhd国产人妻xxx| 国产在线免费精品| 毛片一级片免费看久久久久| videosex国产| 国产在视频线精品| 亚洲av日韩在线播放| 国产黄色视频一区二区在线观看| 91午夜精品亚洲一区二区三区| 下体分泌物呈黄色| 这个男人来自地球电影免费观看 | 丁香六月天网| 日韩av免费高清视频| 久久精品aⅴ一区二区三区四区 | 人妻系列 视频| 日本午夜av视频| 国产乱来视频区| 这个男人来自地球电影免费观看 | 成人二区视频| 亚洲色图 男人天堂 中文字幕| 建设人人有责人人尽责人人享有的| av免费观看日本| 亚洲精品一区蜜桃| 日本wwww免费看| 久久久国产欧美日韩av| 亚洲综合色网址| 赤兔流量卡办理| av在线播放精品| 中文字幕人妻丝袜制服| 国产精品免费视频内射| 看非洲黑人一级黄片| 老女人水多毛片| 日本猛色少妇xxxxx猛交久久| 亚洲国产精品999| 国产综合精华液| 欧美+日韩+精品| 亚洲婷婷狠狠爱综合网| 天天操日日干夜夜撸| 日韩一区二区三区影片| 亚洲av国产av综合av卡| 一边摸一边做爽爽视频免费| 亚洲欧美精品自产自拍| 亚洲欧美一区二区三区国产| 国产熟女午夜一区二区三区| 一级爰片在线观看| 欧美日韩视频高清一区二区三区二| 高清视频免费观看一区二区| 国产精品三级大全| 国产精品二区激情视频| 最近手机中文字幕大全| 免费人妻精品一区二区三区视频| 久久精品国产鲁丝片午夜精品| 日韩三级伦理在线观看| 亚洲第一青青草原| 99九九在线精品视频| 老鸭窝网址在线观看| 久久久久久人人人人人| 777米奇影视久久| 老汉色av国产亚洲站长工具| 99久国产av精品国产电影| 亚洲美女黄色视频免费看| 少妇人妻精品综合一区二区| 婷婷色综合大香蕉| 亚洲av在线观看美女高潮| 色哟哟·www| 久久精品人人爽人人爽视色|