• <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 ?

    一種BP神經(jīng)網(wǎng)絡(luò)和遺傳算法混合的云平臺(tái)負(fù)載預(yù)測(cè)方法

    2018-03-29 04:34:50吳俊偉姜春茂
    軟件 2017年8期
    關(guān)鍵詞:權(quán)值遺傳算法種群

    吳俊偉 姜春茂

    摘要:在云計(jì)算提供高效,便捷等強(qiáng)大服務(wù)的背后,是日益攀升的能耗問(wèn)題。準(zhǔn)確的預(yù)測(cè)云平臺(tái)的負(fù)載(如CPU,內(nèi)存的使用)在任務(wù)調(diào)度,云能效方面具有重要意義。在以往研究中,線性自回歸算法在預(yù)測(cè)請(qǐng)求資源的粒度上存在不足,本文提出一種基于BP神經(jīng)網(wǎng)絡(luò)與遺傳算法混合的負(fù)載預(yù)測(cè)方法,結(jié)合遺傳算法良好的全局搜索能力與神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性擬合能力,建立CPU資源的請(qǐng)求預(yù)測(cè)模型。實(shí)驗(yàn)通過(guò)Google的云平臺(tái)數(shù)據(jù)作為訓(xùn)練,測(cè)試集。實(shí)驗(yàn)結(jié)果表明該方法有效的預(yù)測(cè)了CPU資源請(qǐng)求量,進(jìn)而可以在此基礎(chǔ)上調(diào)整服務(wù)資源,實(shí)現(xiàn)綠色調(diào)度。

    引言

    在云平臺(tái)提供的強(qiáng)大功能背后,是巨大的能源消耗問(wèn)題。一個(gè)占地500平方米的數(shù)據(jù)中心每天消耗的電力就高達(dá)38000度,這一數(shù)字超過(guò)了3500戶歐洲家庭日用電量的總和。到2020年,預(yù)計(jì)數(shù)據(jù)中心的建設(shè)規(guī)模幾乎將是2010年的兩倍。從上述數(shù)字明顯可以看出,為云計(jì)算設(shè)計(jì)高能效的解決方案迫在眉睫。

    云能耗的優(yōu)化可以從云任務(wù)和云平臺(tái)的兩個(gè)角度進(jìn)行研究。

    從云任務(wù)的角度,主要是分析云任務(wù)的多維屬性,并利用算法來(lái)對(duì)云任務(wù)進(jìn)行優(yōu)化調(diào)度。云任務(wù)包括有靜態(tài)屬性和動(dòng)態(tài)屬性。靜態(tài)屬性如需要的CPU數(shù)量,任務(wù)的開始時(shí)間,截止時(shí)間,任務(wù)的類型等。動(dòng)態(tài)屬性如訪問(wèn)頻率,存儲(chǔ)要求,時(shí)間分布,用戶請(qǐng)求模型等。挖掘出任務(wù)與能耗之間的關(guān)系將有助于提前預(yù)測(cè)負(fù)載,降低能耗。

    從云平臺(tái)的角度包括服務(wù)器,軟件以及網(wǎng)絡(luò)。從服務(wù)器角度來(lái)看,云能耗來(lái)源于處理器與數(shù)據(jù)中心兩個(gè)層面,處理器的能耗的主要影響因素是應(yīng)用程序的使用模式,而數(shù)據(jù)中心面臨的是不斷增長(zhǎng)的主機(jī)數(shù)量與低使用率帶來(lái)的能源浪費(fèi),據(jù)統(tǒng)計(jì)分析,云數(shù)據(jù)中心服務(wù)器的使用率一般在11%?50%之間。因此,如果能夠較好的預(yù)測(cè)云平臺(tái)cro的使用情況對(duì)于關(guān)閉部分服務(wù)器,提高調(diào)度效率具有重要意義。本文提出了一種基于神經(jīng)網(wǎng)絡(luò)和遺傳算法混合的云負(fù)載的預(yù)測(cè)方法,根據(jù)歷史數(shù)據(jù)預(yù)測(cè)未來(lái)短期CPU資源的需求,提高數(shù)據(jù)中心CPU的使用率,提局能效。

    本文第1部分介紹相關(guān)工作的研究情況。第2部分提出基于神經(jīng)網(wǎng)絡(luò)與遺傳算法混合的預(yù)測(cè)方法,第3部分實(shí)驗(yàn)及其結(jié)果分析,最后總結(jié)與展望。

    1 相關(guān)工作

    在服務(wù)器領(lǐng)域,一臺(tái)完全空閑的服務(wù)器的能耗能達(dá)到其峰值的70%左右。處理器高能耗隨之帶來(lái)的問(wèn)題是配套冷卻設(shè)施的開銷。據(jù)統(tǒng)計(jì),計(jì)算資源消耗的每1瓦電能就需要額外的0.5?1瓦特進(jìn)行冷卻。Bohra等人采用“主成分分析”方法對(duì)監(jiān)控事件的相互關(guān)聯(lián)關(guān)系進(jìn)行分析發(fā)現(xiàn){CPU,Cache}對(duì)和{Disk,DRAM}

    對(duì)有很高的相關(guān)性,由此把系統(tǒng)負(fù)載分成CPU密集負(fù)載和IO密集負(fù)載。Kaushik提出的綠色HDFS概念,將hadoop集群邏輯分為熱區(qū)和冷區(qū),采用數(shù)據(jù)分類與節(jié)能的策略確保在冷區(qū)存儲(chǔ)的數(shù)據(jù)長(zhǎng)期不被訪問(wèn),從而關(guān)閉冷區(qū)的數(shù)據(jù)節(jié)點(diǎn),但當(dāng)冷區(qū)節(jié)點(diǎn)被喚醒的頻率較高時(shí),反而消耗更多能源。從軟件層面上看,文獻(xiàn)提出的一種綠色云架構(gòu)實(shí)現(xiàn)虛機(jī)的重新配置,分配與再分配,以O(shè)PU的能耗為模型測(cè)量云平臺(tái)的能源消耗。Biirge等人在異構(gòu)的數(shù)據(jù)中心處理請(qǐng)求的調(diào)度上,關(guān)注用戶任務(wù)布署的時(shí)間與節(jié)點(diǎn),得出甚至只要運(yùn)用很簡(jiǎn)單的啟發(fā)信息都可以提高能效。在網(wǎng)絡(luò)方面,文獻(xiàn)中提出了一種域內(nèi)流量工程機(jī)制GreenTE,能夠在保證用戶需求的前提下最大限度讓數(shù)據(jù)鏈路進(jìn)入休眠狀態(tài),Cianfrani等人提出一種能耗每女感的OSPF路由協(xié)議,通過(guò)優(yōu)化Dijkstra算法與共享效率低的路由器最短路徑樹的方式,提供最少路徑數(shù)的路由服務(wù)。

    在預(yù)測(cè)資源請(qǐng)求方面,文獻(xiàn)中通過(guò)分析主機(jī)狀態(tài)間轉(zhuǎn)換花費(fèi)的時(shí)鐘頻率與電功率,提出綠色調(diào)度算法,用神經(jīng)網(wǎng)絡(luò)作為云資源的預(yù)測(cè)原型。但實(shí)驗(yàn)僅對(duì)NASA、Clark Netweb服務(wù)器url請(qǐng)求數(shù)作預(yù)測(cè),粒度不夠精細(xì)。John J.Prevost等人同樣是預(yù)測(cè)url請(qǐng)求數(shù),他們通過(guò)不同時(shí)間間隔模擬神經(jīng)網(wǎng)絡(luò)與線性自回歸模型,從實(shí)驗(yàn)數(shù)據(jù)來(lái)看,二者都有較理想的近似曲線,但神經(jīng)網(wǎng)絡(luò)在90s間隔的案例中均方差值較大,預(yù)測(cè)效果不理想,分析得出神經(jīng)網(wǎng)絡(luò)存在收斂速度慢,易陷于局部最優(yōu)解等不足。

    2011年google對(duì)外公布了其29天的云平臺(tái)實(shí)際數(shù)據(jù),為進(jìn)一步研究云平臺(tái)信息提供了重要的實(shí)踐依據(jù)。基于該數(shù)據(jù),已經(jīng)取得了相關(guān)的研究成果。其中,ZitaoLiu等人對(duì)此進(jìn)行多方面的統(tǒng)計(jì)分析得出,在云計(jì)算中心任務(wù)的調(diào)度呈現(xiàn)周期性,其中被殺死(loll)和完成(finish)的任務(wù)(task)的數(shù)量相對(duì)穩(wěn)定,而被殺死的任務(wù)占用CPU60%的時(shí)鐘周期,可成功完成的任務(wù)僅占10%?15%,結(jié)論表明合理運(yùn)用啟發(fā)信息可提高完成任務(wù)所占用CPU時(shí)鐘周期的比例。文獻(xiàn)中提出一種預(yù)測(cè)失敗任務(wù)的普適框架。作者分析云任務(wù)屬性,以任務(wù)結(jié)束狀態(tài)作為結(jié)構(gòu)體數(shù)據(jù),選擇中長(zhǎng)型任務(wù),以上述的結(jié)構(gòu)體作為輸入,用周期神經(jīng)網(wǎng)絡(luò)訓(xùn)練預(yù)測(cè)器,訓(xùn)練完成后用該預(yù)測(cè)器對(duì)任務(wù)結(jié)束狀態(tài)作預(yù)測(cè)。但資源消耗的范化丟失了數(shù)據(jù)的一些原始特性,無(wú)法辨別任務(wù)失敗的具體原因,預(yù)測(cè)器無(wú)法在短時(shí)間內(nèi)規(guī)避相同錯(cuò)誤的作業(yè)。

    綜上所述,國(guó)內(nèi)外研究從多個(gè)方面尋求云節(jié)能方案。對(duì)于請(qǐng)求資源預(yù)測(cè)這一方面,資源粒度未能具體到物理或虛擬的靜態(tài)資源,而云能耗的度量大多都是以此構(gòu)建模型的。算法單一,神經(jīng)網(wǎng)絡(luò)雖具有良好的非線性映射能力,但同時(shí)它也存在收斂慢等不足;多元線性回歸可以準(zhǔn)確地計(jì)量各個(gè)因素之間的相關(guān)程度與回歸擬合程度的高低,提高預(yù)測(cè)方程式的效果,但可能忽略了交互效應(yīng)和非線性的因果關(guān)系。本文將主機(jī)的CPU作為能效的研究對(duì)象,在系統(tǒng)使用率層面,通過(guò)準(zhǔn)確預(yù)測(cè)CPU的需求量來(lái)對(duì)服務(wù)平臺(tái)進(jìn)行休眠,關(guān)閉等操作將極大降低云平臺(tái)的能耗水平。本文提出一種基于神經(jīng)網(wǎng)絡(luò)和遺傳算法混合的用戶資源請(qǐng)求預(yù)測(cè)模型,預(yù)測(cè)未來(lái)短期CPU請(qǐng)求量,以此值為參照關(guān)閉閑置主機(jī),從而提高系統(tǒng)使用率,降低能耗。

    2 算法模型

    2.1 BP神經(jīng)網(wǎng)絡(luò)

    BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。從信息處理角度對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象,建立某種突觸聯(lián)系強(qiáng)

    度可變的簡(jiǎn)單模型,按不同的連接方式組成不同的網(wǎng)絡(luò)。每個(gè)節(jié)點(diǎn)代表一個(gè)神經(jīng)元(Neuron),接受一組輸入信號(hào),通過(guò)激勵(lì)函數(shù)生成特定輸出。神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層(inputlayer)、隱含層(hidelayer)和輸出層(outputlayer),如圖1所示:

    輸入信號(hào)依次通過(guò)輸入層、隱含層、輸出層逐級(jí)前饋,直至網(wǎng)絡(luò)輸出。之后學(xué)習(xí)系統(tǒng)計(jì)算網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的誤差,根據(jù)這個(gè)誤差逐級(jí)反饋調(diào)整網(wǎng)絡(luò)權(quán)值,縮小實(shí)際輸出與期望輸出的差值,完成網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程。其具體過(guò)程如下:

    (1)前饋計(jì)算

    在該過(guò)程中,第層神經(jīng)元的輸入為該神經(jīng)元相連的第層神經(jīng)元輸出的權(quán)重和,再將該和作為激勵(lì)函數(shù)的參數(shù),計(jì)算出該神經(jīng)元的輸出,設(shè)在第時(shí)刻第個(gè)神經(jīng)元的輸入為,輸出為以,該神經(jīng)元的輸出可表示為:

    其中,表示節(jié)點(diǎn)到節(jié)點(diǎn)的輸入信號(hào),表示節(jié)點(diǎn)到節(jié)點(diǎn)的權(quán)重,表示節(jié)點(diǎn)的閾值,為激勵(lì)函數(shù)。

    (2)反饋傳播

    反饋傳播的含義在于,第層神經(jīng)元的誤差項(xiàng)是所有與該神經(jīng)元相連的第層的神經(jīng)元誤差項(xiàng)權(quán)重和與該神經(jīng)元激活函數(shù)/梯度的乘積。

    對(duì)于/為sigmoid函數(shù),輸出層第時(shí)刻第個(gè)神經(jīng)元,其誤差計(jì)算公式可表示為:

    其中,表示期望輸出值,為實(shí)際輸出值。

    而對(duì)于隱含層第《時(shí)刻第個(gè)神經(jīng)元,其誤差計(jì)算公式可表示為:

    第時(shí)刻第層第個(gè)神經(jīng)元根據(jù)誤差項(xiàng),調(diào)整與該神經(jīng)元連接的第層所有神經(jīng)元的權(quán)重值,其調(diào)整計(jì)算公式可表示為:

    其中,表示學(xué)習(xí)率,為節(jié)點(diǎn)的輸出。

    2.2 遺傳算法

    遺傳算法(Genetic Algorithm)是模擬物競(jìng)天擇的生物進(jìn)化與自然選擇的計(jì)算模型,通過(guò)維護(hù)一個(gè)潛在解的群體執(zhí)行多方向的搜索,以問(wèn)題潛在解集作為初始化種群,以直接或間接的方式為該種群的每個(gè)個(gè)體進(jìn)行基因編碼,實(shí)現(xiàn)從表現(xiàn)型到基因型的映射。在下一代中,根據(jù)問(wèn)題域個(gè)體的適應(yīng)性函數(shù)(fitness)選擇個(gè)體,并借助遺傳學(xué)的遺傳算子(geneticoperators)對(duì)染色體進(jìn)行組合交叉(crossover),變異(mutation),繁衍出代表新解集的種群。這個(gè)過(guò)程將導(dǎo)致后代種群像生物進(jìn)化一樣更加適應(yīng)于環(huán)境,逐漸逼近問(wèn)題的全局最優(yōu)解。

    2.3 混合遺傳算法

    2.3.1 算法描述

    通過(guò)2.1,2.2的描述可以發(fā)現(xiàn),神經(jīng)網(wǎng)絡(luò)與遺傳算法都具有自適應(yīng),自組織的特點(diǎn),神經(jīng)網(wǎng)絡(luò)雖具有良好的非線性映射能力,但易陷于局部最優(yōu)解,而遺傳算法從問(wèn)題解集開始搜索,覆蓋面大,易于尋找全局最優(yōu)解。結(jié)合上一節(jié)的神經(jīng)網(wǎng)絡(luò),具體給出遺傳算法的關(guān)鍵步驟。

    (1)基因編碼

    遺傳算法的基因編碼有直接與間接編碼兩種方式。以直接的方式對(duì)神經(jīng)網(wǎng)絡(luò)相鄰層的權(quán)重矩陣進(jìn)行編碼,建立這樣一個(gè)神經(jīng)網(wǎng)絡(luò)拓?fù)淠P停?個(gè)輸入節(jié)點(diǎn),4個(gè)隱含節(jié)點(diǎn)和一個(gè)輸出節(jié)點(diǎn)。如圖2所示:

    其中表示節(jié)點(diǎn)1與節(jié)點(diǎn)4的連接值,表示節(jié)點(diǎn)2與節(jié)點(diǎn)4的連接值,以此類推,用權(quán)值矩陣記錄的節(jié)點(diǎn)間連接關(guān)系作為種群個(gè)體的遺傳信息。

    (2)自然選擇

    確定輸入;經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)的前饋計(jì)算,以均方誤差:

    作為適應(yīng)性函數(shù)(fitness),值越小表示適應(yīng)性越好。其中,分別表示第n時(shí)刻輸出節(jié)點(diǎn)k的預(yù)測(cè)值與實(shí)際值。以輪盤賭的方式模擬自然選擇,在輪盤賭中,權(quán)重矩陣代表種群個(gè)體,用矩陣對(duì)應(yīng)的適應(yīng)值計(jì)算該個(gè)體在輪盤中所占據(jù)的扇形比例,以此近似該個(gè)體被自然環(huán)境所選中的概率。

    (3)組合交叉

    組合交叉模擬父母雙方染色體配對(duì)過(guò)程,使子類更加逼近問(wèn)題的最優(yōu)解。組合的方式多種多樣,這里介紹種群內(nèi)部與種群間的基因重組,如圖3,圖4所示。

    種群內(nèi)部的重組體現(xiàn)在保留當(dāng)前最優(yōu)解的種群權(quán)值矩陣,種群間則使用的是單點(diǎn)組合交叉的方式組合交叉重組父母雙方權(quán)值矩陣,以產(chǎn)生新的解集空間。種群內(nèi)部的重組體現(xiàn)在保留當(dāng)前最優(yōu)解的種群權(quán)值矩陣,種群間則使用的是單點(diǎn)組合交叉的方式組合交叉重組父母雙方權(quán)值矩陣,以產(chǎn)生新的解集空間。(4)基因變異

    變異算子定義為以小概率事件修改基因重組后子類的權(quán)重矩陣,使得對(duì)問(wèn)題的求解有機(jī)會(huì)從當(dāng)前空間跳躍到另一個(gè)搜索空間,逼近問(wèn)題的全局最優(yōu)解。

    (5)過(guò)渡條件

    如此重復(fù)以上步驟,當(dāng)達(dá)到預(yù)期的適應(yīng)值或種群的適應(yīng)值趨于穩(wěn)定時(shí),將適應(yīng)性最好的基因作為神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣,進(jìn)入第6步。

    (6)前饋傳播

    對(duì)于每一組輸入,計(jì)算其實(shí)際輸出。

    (7)反饋傳播

    根據(jù)公式(2)(3),調(diào)整權(quán)值矩陣,當(dāng)達(dá)到公式(8)小于預(yù)期的閾值或達(dá)到最大迭代次數(shù)時(shí),結(jié)束算法。否則回到第6步。該算法的偽代碼如表1所示。

    2.3.2 實(shí)例分析

    以拓?fù)浣Y(jié)構(gòu)為3-4-1的神經(jīng)網(wǎng)絡(luò)為例,假定初始條件下資源統(tǒng)計(jì)如下表2所示:

    任選一組輸入數(shù)據(jù)(以編號(hào)1為例),通過(guò)前饋算,三組基因的輸出值分別為0.55,0.61,0.66,其適應(yīng)值為0.013,0.005,0.001。對(duì)應(yīng)的在輪盤中所占的比例為0.06,0.16,0.78。在輪盤賭中選中的基因?yàn)榛駼與基因C。其基因重組,變異過(guò)程如圖7所示:

    產(chǎn)生下一代個(gè)體,其適應(yīng)值為0.0128。重復(fù)輪盤賭步驟構(gòu)建新一代種群。假設(shè)圖9的基因適應(yīng)值滿足迭代結(jié)束條件,則進(jìn)入神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程。

    任選一組輸入(以編號(hào)2為例),經(jīng)過(guò)網(wǎng)絡(luò)傳播,輸出值為0.63,根據(jù)實(shí)驗(yàn)誤差與函數(shù)梯度調(diào)整矩陣,設(shè)學(xué)習(xí)率為0.25,閾值b設(shè)置為0。過(guò)程如圖8所示:

    重復(fù)網(wǎng)絡(luò)訓(xùn)練過(guò)程,直到達(dá)到最大迭代次數(shù)或均方差小于閾值,結(jié)束程序。

    3 實(shí)驗(yàn)及其數(shù)據(jù)分析

    3.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

    本文實(shí)驗(yàn)是在單機(jī)環(huán)境下完成的。華碩AllSeries臺(tái)式電腦,CPU為InterCorei5-4590

    3.30GHz,8GB內(nèi)存,1TB硬盤,主板集成聲卡和網(wǎng)卡,獨(dú)立顯卡。編程平臺(tái)為java環(huán)境。文獻(xiàn)使用了神經(jīng)網(wǎng)絡(luò)和線性回歸模型對(duì)服務(wù)器資源的請(qǐng)求數(shù)做出預(yù)測(cè),而神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果相比下并不理想。實(shí)驗(yàn)主要目的是測(cè)試神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法是否能突破局部最優(yōu)解,更加逼近全局最優(yōu)解的非線性曲線。因此設(shè)計(jì)了以下實(shí)驗(yàn)。

    實(shí)驗(yàn)1GA擴(kuò)大搜索范圍,尋找全局最優(yōu)解區(qū)間。對(duì)谷歌數(shù)據(jù)的分析得出,集群的資源請(qǐng)求數(shù)據(jù)具有周期性,且一周為一個(gè)周期,換言之,上周一與這周一在請(qǐng)求值上具有相似性,所以我們明確以上周一與這周一的數(shù)據(jù)作為訓(xùn)練樣本,預(yù)測(cè)下周一的請(qǐng)求數(shù)據(jù)。以上周一的數(shù)據(jù)作為網(wǎng)絡(luò)的輸入,這周一同一時(shí)刻的數(shù)據(jù)作為輸出,這樣就可以在夜間輕量負(fù)載的時(shí)間段執(zhí)行預(yù)測(cè)程序。

    初始化一個(gè)3-7-1的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),分別對(duì)應(yīng)于輸入層,隱藏層和輸出層。輸入層3個(gè)節(jié)點(diǎn)分別是時(shí)間戳,CPU請(qǐng)求核數(shù),任務(wù)請(qǐng)求量,輸出層為CPU的預(yù)測(cè)值?;诖送?fù)涞臋?quán)值矩陣構(gòu)建GA的編碼基因,首先隨機(jī)初始化矩陣集合,接著確定輸入值,每隔5mini己錄一次{timestamp,request Core,request Tasknum}結(jié)構(gòu)數(shù)據(jù),以24小時(shí)為整個(gè)時(shí)間跨度,可得到容量為288的數(shù)組。通過(guò)神經(jīng)網(wǎng)絡(luò)前饋傳播輸出預(yù)測(cè)值,以均方差:

    作為個(gè)體的適應(yīng)性函數(shù)值,遵循優(yōu)勝劣汰的規(guī)則,將適應(yīng)值最高的個(gè)體基因直接遺傳給下一代,接著用輪盤賭的方式在種群中選擇待交配的雙方,采用單點(diǎn)基因重組構(gòu)造新的權(quán)值矩陣。其變異率設(shè)置為0.05,變異區(qū)間[-0.5,0.5]。實(shí)驗(yàn)中設(shè)置的參數(shù)如表4所示。實(shí)驗(yàn)2BP神經(jīng)網(wǎng)絡(luò)再訓(xùn)練,逼近全局最優(yōu)解。由實(shí)驗(yàn)1訓(xùn)練的適應(yīng)值最大的編碼基因,作為BP神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣,進(jìn)入神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程,得出逼近全局最優(yōu)解的權(quán)值矩陣。設(shè)定sigmmd函數(shù)為激活函數(shù),學(xué)習(xí)率為0.5。實(shí)驗(yàn)中設(shè)置的參數(shù)如表5所示。

    3.2 實(shí)驗(yàn)分析

    統(tǒng)計(jì)下周一的CPU資源請(qǐng)求數(shù)據(jù),如圖9所示。使用神經(jīng)網(wǎng)絡(luò),以上周與本周的數(shù)據(jù)樣本作為訓(xùn)練集,輸出結(jié)果如圖10所示。

    混合算法,訓(xùn)練集同上,測(cè)試結(jié)果如圖11所示。BP神經(jīng)網(wǎng)絡(luò)與混合算法預(yù)測(cè)值與實(shí)際值差值樣本抽樣,如表6,表7所示。

    如圖10所示,除個(gè)別數(shù)據(jù)節(jié)點(diǎn),其它節(jié)點(diǎn)預(yù)測(cè)值與實(shí)際值相差較大,曲線逼近程度不理想。出現(xiàn)這種過(guò)擬合現(xiàn)象的主要因素是BP算法本身易陷于局部最優(yōu)解。而在圖11中,除去少數(shù)節(jié)點(diǎn),二者曲線波形相似,預(yù)測(cè)值曲線逼近實(shí)際值。表7中,混合算法均值為正數(shù),說(shuō)明該算法預(yù)測(cè)值平均高于集群的實(shí)際值,從而保證集群的SLA。本文提出的混合算法,在查找全局最優(yōu)解方面借鑒遺傳算法,以面的方式搜索解集空間,尋找全局最優(yōu)解區(qū)間,再用神經(jīng)網(wǎng)絡(luò)逼近該區(qū)間的最優(yōu)解,二者的混合更適用于復(fù)雜的非線性曲線問(wèn)題求解。

    4 總結(jié)和進(jìn)一步研究

    云數(shù)據(jù)中心的高能耗與低使用率的巨大反差催生了綠色節(jié)能的槪念。麵艮務(wù)器,網(wǎng)絡(luò),軟件為提高能效的三大研究目標(biāo)。針對(duì)服務(wù)器領(lǐng)域,本文提出的基于神經(jīng)網(wǎng)絡(luò)與遺傳算法混合預(yù)測(cè)模型,自身具#轍子的學(xué)習(xí)能力,搜索全局最優(yōu)解的能力較強(qiáng),對(duì)云資源請(qǐng)求量的逼近效果較為理想,可為數(shù)據(jù)中心資源分配與任務(wù)調(diào)度提供參考。但該模型輸入?yún)?shù)類型較為局限,僅為timestamp、core、tasknum,且本文中該模型僅用于預(yù)測(cè)CPU資源,未來(lái)將考慮基于此構(gòu)建云平臺(tái)資源請(qǐng)求的普適框架。

    猜你喜歡
    權(quán)值遺傳算法種群
    邢氏水蕨成功繁衍并建立種群 等
    山西省發(fā)現(xiàn)刺五加種群分布
    一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
    CONTENTS
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
    基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測(cè)
    基于改進(jìn)的遺傳算法的模糊聚類算法
    崗更湖鯉魚的種群特征
    a级毛片在线看网站| 啪啪无遮挡十八禁网站| 女性生殖器流出的白浆| 国产一区二区在线av高清观看| АⅤ资源中文在线天堂| 色综合站精品国产| 久久中文字幕人妻熟女| а√天堂www在线а√下载| 亚洲精品中文字幕一二三四区| 母亲3免费完整高清在线观看| 啪啪无遮挡十八禁网站| 久久香蕉激情| 老司机午夜十八禁免费视频| 色av中文字幕| 最近最新中文字幕大全电影3 | 国内少妇人妻偷人精品xxx网站 | 亚洲成人精品中文字幕电影| 久久人人精品亚洲av| 国产在线观看jvid| 国内揄拍国产精品人妻在线 | 久久亚洲真实| 一区二区三区精品91| 好男人在线观看高清免费视频 | 91字幕亚洲| 国产三级在线视频| www日本黄色视频网| 亚洲激情在线av| 久久精品影院6| 久久久久久久午夜电影| 搡老妇女老女人老熟妇| 中国美女看黄片| 操出白浆在线播放| 久久久久国产一级毛片高清牌| 国产精品久久电影中文字幕| 我的亚洲天堂| 男男h啪啪无遮挡| 老司机深夜福利视频在线观看| 亚洲专区国产一区二区| 日韩中文字幕欧美一区二区| 99国产极品粉嫩在线观看| 午夜福利欧美成人| 亚洲激情在线av| 亚洲狠狠婷婷综合久久图片| 日韩三级视频一区二区三区| 搡老岳熟女国产| 亚洲精品久久成人aⅴ小说| 亚洲激情在线av| 在线天堂中文资源库| 少妇被粗大的猛进出69影院| 亚洲av美国av| 啦啦啦 在线观看视频| 国产精品自产拍在线观看55亚洲| 色播亚洲综合网| 欧美日韩福利视频一区二区| 女人被狂操c到高潮| 最近最新中文字幕大全电影3 | 少妇 在线观看| 国产精品综合久久久久久久免费| 色在线成人网| 婷婷六月久久综合丁香| 久久精品影院6| 久久精品成人免费网站| 亚洲免费av在线视频| 人妻丰满熟妇av一区二区三区| 国产熟女xx| 久久久久国产精品人妻aⅴ院| 亚洲成人免费电影在线观看| 18禁观看日本| 男女午夜视频在线观看| 国产精品,欧美在线| 女生性感内裤真人,穿戴方法视频| 亚洲欧美一区二区三区黑人| 香蕉国产在线看| 午夜久久久久精精品| 在线观看66精品国产| 免费av毛片视频| 久久天躁狠狠躁夜夜2o2o| 欧洲精品卡2卡3卡4卡5卡区| 久久久久久免费高清国产稀缺| 亚洲av美国av| tocl精华| 亚洲国产精品久久男人天堂| 怎么达到女性高潮| 国产成人精品久久二区二区免费| 美女国产高潮福利片在线看| 亚洲精品国产区一区二| 欧美在线黄色| 国产欧美日韩精品亚洲av| 亚洲九九香蕉| 久久九九热精品免费| 午夜免费鲁丝| 久久久国产欧美日韩av| 色精品久久人妻99蜜桃| 精品第一国产精品| 身体一侧抽搐| 叶爱在线成人免费视频播放| 欧美国产日韩亚洲一区| 一边摸一边做爽爽视频免费| 欧美日韩中文字幕国产精品一区二区三区| 欧美中文日本在线观看视频| 在线观看免费视频日本深夜| 亚洲中文av在线| 精品无人区乱码1区二区| 精品国产国语对白av| 91成人精品电影| 欧美日韩乱码在线| 精品第一国产精品| 男女午夜视频在线观看| 丝袜人妻中文字幕| 成人精品一区二区免费| 99国产极品粉嫩在线观看| 久久中文字幕一级| 亚洲国产精品久久男人天堂| 成人av一区二区三区在线看| 18禁美女被吸乳视频| 成人三级做爰电影| 欧美日韩黄片免| 国产一区二区在线av高清观看| 97超级碰碰碰精品色视频在线观看| 亚洲国产欧美网| 2021天堂中文幕一二区在线观 | 日本成人三级电影网站| 一二三四社区在线视频社区8| 久9热在线精品视频| 真人做人爱边吃奶动态| 国产一区在线观看成人免费| 欧美乱妇无乱码| 国产精品野战在线观看| 午夜a级毛片| 18禁裸乳无遮挡免费网站照片 | 国产精品久久久久久精品电影 | 亚洲自拍偷在线| 欧美成人性av电影在线观看| 欧美大码av| 每晚都被弄得嗷嗷叫到高潮| 久久精品国产清高在天天线| 国产成人av教育| 91九色精品人成在线观看| 免费看a级黄色片| 色综合站精品国产| www.www免费av| x7x7x7水蜜桃| 我的亚洲天堂| 欧美日韩精品网址| 波多野结衣高清无吗| 欧美在线黄色| 久久久水蜜桃国产精品网| 老鸭窝网址在线观看| 在线看三级毛片| 脱女人内裤的视频| 18禁观看日本| 69av精品久久久久久| 国产在线精品亚洲第一网站| 美女大奶头视频| 最近最新免费中文字幕在线| 看黄色毛片网站| 18禁黄网站禁片免费观看直播| 欧美在线一区亚洲| 久久国产亚洲av麻豆专区| 成人三级黄色视频| 看片在线看免费视频| 色播在线永久视频| 免费在线观看影片大全网站| 大型黄色视频在线免费观看| 欧美午夜高清在线| 亚洲五月天丁香| 亚洲成a人片在线一区二区| 脱女人内裤的视频| 亚洲精品在线美女| 久久天堂一区二区三区四区| 母亲3免费完整高清在线观看| 欧美色欧美亚洲另类二区| 成人精品一区二区免费| 精品国产超薄肉色丝袜足j| 久久精品国产亚洲av香蕉五月| 国产高清有码在线观看视频 | 国产精品久久视频播放| 国产亚洲欧美98| 免费一级毛片在线播放高清视频| 妹子高潮喷水视频| 1024香蕉在线观看| 欧美成人一区二区免费高清观看 | 亚洲精品粉嫩美女一区| tocl精华| 亚洲在线自拍视频| 日本成人三级电影网站| 久热这里只有精品99| cao死你这个sao货| 欧美一级毛片孕妇| 亚洲专区字幕在线| 男人舔奶头视频| 亚洲精品国产精品久久久不卡| 欧美色视频一区免费| 国产精品永久免费网站| 美女国产高潮福利片在线看| av中文乱码字幕在线| 亚洲精品粉嫩美女一区| 嫁个100分男人电影在线观看| 美女扒开内裤让男人捅视频| 中文字幕精品免费在线观看视频| 日本五十路高清| 国产亚洲欧美在线一区二区| 成人手机av| 一本精品99久久精品77| 一级a爱视频在线免费观看| 国产不卡一卡二| 欧美成人性av电影在线观看| 成年免费大片在线观看| 一级毛片高清免费大全| 每晚都被弄得嗷嗷叫到高潮| 天堂√8在线中文| 午夜精品久久久久久毛片777| 美女 人体艺术 gogo| 国产成人av激情在线播放| 亚洲熟女毛片儿| 国产91精品成人一区二区三区| 视频在线观看一区二区三区| 黄色丝袜av网址大全| 老熟妇乱子伦视频在线观看| 国产精品久久久av美女十八| 日韩欧美免费精品| av片东京热男人的天堂| 日本熟妇午夜| 日韩 欧美 亚洲 中文字幕| 制服丝袜大香蕉在线| 国产亚洲欧美98| 欧美乱色亚洲激情| 国产亚洲精品第一综合不卡| 91av网站免费观看| 男女视频在线观看网站免费 | 久久伊人香网站| av电影中文网址| 亚洲真实伦在线观看| 俄罗斯特黄特色一大片| 50天的宝宝边吃奶边哭怎么回事| 亚洲片人在线观看| 日本撒尿小便嘘嘘汇集6| 在线观看66精品国产| 亚洲中文av在线| 性欧美人与动物交配| 成人国产综合亚洲| 日韩精品免费视频一区二区三区| 久久中文字幕人妻熟女| 人人妻人人澡人人看| 91老司机精品| 久久婷婷成人综合色麻豆| 国产精品免费一区二区三区在线| av片东京热男人的天堂| 男人舔女人的私密视频| 国产av又大| www日本在线高清视频| 亚洲中文av在线| 中文字幕最新亚洲高清| av欧美777| 热99re8久久精品国产| 在线观看免费视频日本深夜| 一个人观看的视频www高清免费观看 | 婷婷六月久久综合丁香| 精品日产1卡2卡| 男人舔女人的私密视频| 伦理电影免费视频| 中文亚洲av片在线观看爽| 欧美性猛交╳xxx乱大交人| 九色国产91popny在线| 亚洲国产精品999在线| 国产精品美女特级片免费视频播放器 | cao死你这个sao货| xxx96com| 成人特级黄色片久久久久久久| 国产午夜精品久久久久久| 午夜老司机福利片| 美国免费a级毛片| 国产主播在线观看一区二区| 男人的好看免费观看在线视频 | 亚洲av片天天在线观看| 91成人精品电影| 男女视频在线观看网站免费 | 午夜免费鲁丝| 国产精品亚洲一级av第二区| 18禁国产床啪视频网站| 国产成人精品久久二区二区91| 丰满人妻熟妇乱又伦精品不卡| 亚洲专区国产一区二区| 日韩欧美三级三区| 欧美日韩亚洲国产一区二区在线观看| 91成人精品电影| 国产极品粉嫩免费观看在线| 精品一区二区三区视频在线观看免费| 麻豆av在线久日| netflix在线观看网站| 国产欧美日韩精品亚洲av| 黄色丝袜av网址大全| 搡老岳熟女国产| bbb黄色大片| 亚洲三区欧美一区| 俺也久久电影网| 国产精品乱码一区二三区的特点| 叶爱在线成人免费视频播放| 中文资源天堂在线| 国产欧美日韩精品亚洲av| 亚洲avbb在线观看| 男女午夜视频在线观看| 桃色一区二区三区在线观看| 免费看a级黄色片| 久99久视频精品免费| 白带黄色成豆腐渣| 亚洲精品美女久久av网站| 可以在线观看的亚洲视频| 国产成人精品久久二区二区免费| 午夜福利高清视频| 18禁美女被吸乳视频| √禁漫天堂资源中文www| 一区二区三区激情视频| 老汉色av国产亚洲站长工具| 一本精品99久久精品77| 1024香蕉在线观看| 国产aⅴ精品一区二区三区波| 亚洲精品久久成人aⅴ小说| 可以免费在线观看a视频的电影网站| 午夜福利高清视频| 一进一出抽搐动态| 亚洲专区中文字幕在线| 黄色片一级片一级黄色片| 不卡一级毛片| 午夜精品在线福利| 精品一区二区三区视频在线观看免费| 两性夫妻黄色片| 国产精品亚洲一级av第二区| 一本久久中文字幕| 国产午夜福利久久久久久| a级毛片在线看网站| 亚洲一区中文字幕在线| av视频在线观看入口| 色综合婷婷激情| 国产三级黄色录像| 中文字幕高清在线视频| АⅤ资源中文在线天堂| 国产精品野战在线观看| videosex国产| 在线国产一区二区在线| 长腿黑丝高跟| 色av中文字幕| 亚洲中文字幕一区二区三区有码在线看 | 成年人黄色毛片网站| 在线观看舔阴道视频| 国产一区在线观看成人免费| 一本一本综合久久| 9191精品国产免费久久| 亚洲第一青青草原| 国产麻豆成人av免费视频| 亚洲av五月六月丁香网| 美女高潮喷水抽搐中文字幕| 国产亚洲欧美98| 亚洲熟女毛片儿| 听说在线观看完整版免费高清| 国产精品 欧美亚洲| 国产精品乱码一区二三区的特点| 久久久久久久久久黄片| 免费在线观看成人毛片| 一级黄色大片毛片| 成人免费观看视频高清| 成熟少妇高潮喷水视频| 久久精品人妻少妇| 色精品久久人妻99蜜桃| 亚洲av片天天在线观看| 欧美午夜高清在线| 97超级碰碰碰精品色视频在线观看| 亚洲精品一卡2卡三卡4卡5卡| 久久久国产精品麻豆| 成熟少妇高潮喷水视频| 999精品在线视频| 91av网站免费观看| 夜夜躁狠狠躁天天躁| 丁香欧美五月| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲一区中文字幕在线| 亚洲成av片中文字幕在线观看| 99热6这里只有精品| 黑人巨大精品欧美一区二区mp4| 国产精品自产拍在线观看55亚洲| 欧美大码av| 精品久久久久久,| 男人操女人黄网站| 老司机深夜福利视频在线观看| 亚洲熟妇中文字幕五十中出| 成人亚洲精品av一区二区| 18禁观看日本| 午夜福利在线观看吧| 搡老熟女国产l中国老女人| 黄片小视频在线播放| 亚洲一区高清亚洲精品| 国产一级毛片七仙女欲春2 | 两性午夜刺激爽爽歪歪视频在线观看 | 成人国产一区最新在线观看| 亚洲一码二码三码区别大吗| 日日夜夜操网爽| 国产不卡一卡二| 热99re8久久精品国产| 久久香蕉精品热| 国产精品自产拍在线观看55亚洲| 国产精品一区二区免费欧美| 波多野结衣av一区二区av| 香蕉国产在线看| 曰老女人黄片| 极品教师在线免费播放| 久久久久久久久免费视频了| 亚洲国产毛片av蜜桃av| 国产真实乱freesex| 久久久久国产精品人妻aⅴ院| 国产一区二区在线av高清观看| 法律面前人人平等表现在哪些方面| 日韩欧美国产一区二区入口| 亚洲精品美女久久久久99蜜臀| 在线观看免费日韩欧美大片| 搡老熟女国产l中国老女人| 亚洲精品美女久久av网站| 欧美国产日韩亚洲一区| 亚洲美女黄片视频| 欧美日韩一级在线毛片| 欧美精品亚洲一区二区| 亚洲欧美一区二区三区黑人| 精品久久久久久久人妻蜜臀av| 国产精品,欧美在线| 久久精品国产99精品国产亚洲性色| 老司机靠b影院| 国产精品久久视频播放| 日韩国内少妇激情av| 国产亚洲欧美在线一区二区| 淫妇啪啪啪对白视频| 草草在线视频免费看| 欧美人与性动交α欧美精品济南到| 激情在线观看视频在线高清| 亚洲狠狠婷婷综合久久图片| 国内精品久久久久精免费| 久久精品国产清高在天天线| 国产激情久久老熟女| 国产精品影院久久| 欧美日韩福利视频一区二区| 成人手机av| 真人做人爱边吃奶动态| 美女高潮喷水抽搐中文字幕| 欧美中文综合在线视频| 免费看a级黄色片| 午夜精品久久久久久毛片777| 动漫黄色视频在线观看| 99国产精品一区二区蜜桃av| 国产成人精品久久二区二区免费| 久久久久久久久久黄片| 欧洲精品卡2卡3卡4卡5卡区| 在线视频色国产色| 非洲黑人性xxxx精品又粗又长| 国内少妇人妻偷人精品xxx网站 | 日韩一卡2卡3卡4卡2021年| 观看免费一级毛片| 日韩欧美国产一区二区入口| 久久九九热精品免费| 黄色成人免费大全| 亚洲一码二码三码区别大吗| 好看av亚洲va欧美ⅴa在| 国产一区二区激情短视频| 91老司机精品| 91麻豆精品激情在线观看国产| 欧美成人免费av一区二区三区| 波多野结衣高清无吗| 中文字幕人妻熟女乱码| 国产精品亚洲一级av第二区| 欧美黑人巨大hd| 色婷婷久久久亚洲欧美| 亚洲性夜色夜夜综合| 男男h啪啪无遮挡| 国产黄a三级三级三级人| 黄色a级毛片大全视频| 日韩欧美一区二区三区在线观看| 成熟少妇高潮喷水视频| 国产在线观看jvid| 亚洲欧美激情综合另类| 亚洲精品一卡2卡三卡4卡5卡| 国产成人精品久久二区二区91| 亚洲一区二区三区不卡视频| 91成年电影在线观看| 精品高清国产在线一区| 国产一区二区在线av高清观看| 正在播放国产对白刺激| 久久狼人影院| 欧美一级毛片孕妇| 搡老岳熟女国产| 成人亚洲精品av一区二区| 欧美黑人精品巨大| 成人亚洲精品av一区二区| 少妇 在线观看| 中文字幕另类日韩欧美亚洲嫩草| 亚洲中文日韩欧美视频| 女生性感内裤真人,穿戴方法视频| 亚洲欧美日韩高清在线视频| 岛国视频午夜一区免费看| 最新美女视频免费是黄的| 欧美午夜高清在线| 国产片内射在线| 国产av一区二区精品久久| 欧美国产日韩亚洲一区| 久久精品国产清高在天天线| 最近最新中文字幕大全电影3 | 午夜福利在线观看吧| 国产精品99久久99久久久不卡| 国产精品久久久久久人妻精品电影| 不卡av一区二区三区| 日本a在线网址| 一本综合久久免费| 性色av乱码一区二区三区2| 中文资源天堂在线| 日韩三级视频一区二区三区| 免费观看精品视频网站| 天堂√8在线中文| 国产片内射在线| 欧美午夜高清在线| 亚洲天堂国产精品一区在线| 国产精品久久久久久精品电影 | 18禁国产床啪视频网站| 久久人妻av系列| 亚洲av成人av| 黄色a级毛片大全视频| 亚洲av成人av| 国产1区2区3区精品| 久久久水蜜桃国产精品网| 中文字幕av电影在线播放| 亚洲精品美女久久久久99蜜臀| 看免费av毛片| 19禁男女啪啪无遮挡网站| 国产1区2区3区精品| 露出奶头的视频| 91九色精品人成在线观看| 日韩欧美免费精品| 两性午夜刺激爽爽歪歪视频在线观看 | 一进一出好大好爽视频| 91大片在线观看| 国产精品二区激情视频| 国产99久久九九免费精品| 国产午夜精品久久久久久| 麻豆一二三区av精品| 午夜福利免费观看在线| 久久 成人 亚洲| 成在线人永久免费视频| 亚洲电影在线观看av| 麻豆成人午夜福利视频| 18禁观看日本| 国产真实乱freesex| 亚洲av成人不卡在线观看播放网| 日韩一卡2卡3卡4卡2021年| 午夜免费成人在线视频| 性欧美人与动物交配| 欧美在线黄色| 国产精品 欧美亚洲| 宅男免费午夜| 国内精品久久久久精免费| 国产三级黄色录像| 在线观看舔阴道视频| 亚洲欧美一区二区三区黑人| 午夜激情av网站| www.www免费av| 国产一区二区三区视频了| 在线观看免费午夜福利视频| 日韩精品青青久久久久久| 桃色一区二区三区在线观看| 精华霜和精华液先用哪个| 丰满人妻熟妇乱又伦精品不卡| 99精品欧美一区二区三区四区| 淫妇啪啪啪对白视频| 久久久国产精品麻豆| 香蕉久久夜色| 国产精品av久久久久免费| 天天一区二区日本电影三级| a级毛片在线看网站| 久久精品91蜜桃| 日本一区二区免费在线视频| av中文乱码字幕在线| 午夜福利成人在线免费观看| 精品国产美女av久久久久小说| 最近最新中文字幕大全电影3 | 午夜激情福利司机影院| av中文乱码字幕在线| 人妻久久中文字幕网| 91麻豆精品激情在线观看国产| 一级毛片女人18水好多| 色综合站精品国产| 欧美绝顶高潮抽搐喷水| 视频区欧美日本亚洲| 日本一本二区三区精品| 久久久水蜜桃国产精品网| 国产成人精品久久二区二区免费| 天堂动漫精品| 制服人妻中文乱码| 变态另类丝袜制服| 亚洲一区二区三区不卡视频| 母亲3免费完整高清在线观看| 精品国产超薄肉色丝袜足j| 99久久国产精品久久久| 成人三级黄色视频| 精品久久久久久久久久久久久 | 在线看三级毛片| 男人舔女人下体高潮全视频| 成人18禁高潮啪啪吃奶动态图| 成人亚洲精品一区在线观看| 不卡av一区二区三区| 国产成人影院久久av| ponron亚洲| 免费看日本二区| 国产私拍福利视频在线观看| 一级毛片精品| 国内毛片毛片毛片毛片毛片| 精品福利观看| 麻豆国产av国片精品| 亚洲真实伦在线观看| 亚洲国产精品久久男人天堂| 老汉色av国产亚洲站长工具| 欧美乱码精品一区二区三区|