一种云计算服务系统的多阶段可靠性建模分析方法

    公开(公告)号:CN109446641B

    公开(公告)日:2023-04-18

    申请号:CN201811255155.4

    申请日:2018-10-26

    Applicant: 华侨大学

    Abstract: 本发明公开了一种云计算服务系统的多阶段可靠性建模分析方法,包括以下步骤:请求阶段:用户的服务请求首先到达CMS,被划分为多个子任务,如果此时调度系统的任务队列有足够的空间,即请求未被阻塞的情况下,CMS接收用户请求;调度阶段:子任务排队等候调度系统的调度。本发明解决了现有的基于解析的建模技术难度大、现场实测费用昂贵、周期长和错误不可重现的问题,该云计算服务系统的多阶段可靠性建模分析方法,具备建模技术难度小、现场实测费用便宜、周期短和错误可重现的优点,采用解析建模的方法,以概率论为数学基础,从时间的维度,同时兼顾了云计算本身的容错技术,建立了云计算服务系统的可靠性模型,值得推广使用。

    一种基于图着色的节点间能量再分配调度方法

    公开(公告)号:CN110689196B

    公开(公告)日:2022-08-02

    申请号:CN201910921109.1

    申请日:2019-11-21

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于图着色的节点间能量再分配调度方法,涉及无线传感器网络技术领域。本发明包括以下阶段模式:S1能量再分配问题描述:给定一个由静态节点U组成的无线传感器网络WSNs,其中能量传输系数矩阵为C={c(i,j)},能量上限列表为eU,能量下限列表为eL,能量传输功率列表为p,初始能量列表为eB,能量预期列表为eE;能量再分配问题WPTERD的任务是找一个最优能量传输调度s,使得最终总能量最大化并且时间跨度最小S2能量再分配问题分解。本发明的GCEgyTimeD算法使能量再分配过程中的能量损失最小,时间跨度最小,有利于延长无线传感器网络的寿命,有利于构建一个长期的无线传感器网络,具有较高的实际应用价值。

    一种固定优先级IO设备能耗管理方法

    公开(公告)号:CN106933325A

    公开(公告)日:2017-07-07

    申请号:CN201710073174.4

    申请日:2017-02-10

    Applicant: 华侨大学

    Abstract: 本发明涉及一种固定优先级IO设备能耗管理方法:利用单调速率双优先级策略调度任务;计算来自任务实例Ti,j预算的空闲时间ST(Ti,j,t);计算来自任务实例Ti,j最近满足条件时间点的空闲时间LT(Ti,j,t);计算设备λk的设备空闲时间DS(λk,t);当设备λk处于活跃状态,且其设备空闲时间DS(λk,t)大于设备临界时间B(λk),将设备λk切换到休眠状态,且设置其激活时间Up(λk);当设备处于休眠状态,且当前时间等于设备的激活时间Up(λk),将设备切换到活跃状态。本发明能够确保资源受限周期任务在其截止期限内完成执行,且能够确保资源被互斥的使用;降低设备能耗,进而降低产品的生产成本,减少电池的更换周期。实施本发明所述的方法,能够比现有技术节约大约33.28%能耗。

    一种硬实时系统能耗最优方法

    公开(公告)号:CN106708242A

    公开(公告)日:2017-05-24

    申请号:CN201611121620.6

    申请日:2016-12-08

    Applicant: 华侨大学

    CPC classification number: G06F1/3287

    Abstract: 本发明公开了一种硬实时系统能耗最优方法,包括:计算硬实时系统中每个使用设备Dk的临界时间Bk;将任务Ti所使用设备的临界时间按照非降的顺序进行排列;根据所使用设备的临界时间,将任务Ti的空闲区间划分为m+1个子区间{Im,Im‑1,…,I0};分别计算任务Ti的响应时间属于所述子区间和不属于所述子区间时,执行任务Ti所消耗的总能耗Ei(S);求取总能耗Ei(S)的最小值,获得局部最优速度根据局部最优速度计算全局最优速度本发明方法计算的全局最优速度能够有效地降低系统能耗。

    一种可信的传感云数据收集评估方法

    公开(公告)号:CN106888430B

    公开(公告)日:2019-12-17

    申请号:CN201710248824.4

    申请日:2017-04-17

    Applicant: 华侨大学

    Abstract: 本发明公开了一种可信的传感云数据收集评估方法,该方法对传感云数据收集过程中的网络中节点和移动基站进行信任评估,首先确定移动基站的工作区域,该区域由移动基站的数量M决定;并确定系统的逻辑关系为主观节点Si向目标节点Sj发送数据,且当目标节点Sj不在主观节点Si的范围内时,数据交换则需要推荐节点转发;然后建立评估网络中节点和移动基站信任度的模型,包括直接信任模型Tdir、间接信任模型Tindir和功能信任模型Tfunct;最后根据上一步骤中计算得到的评估参数Tdir、Tindir、和Tfunct确定传感云数据收集的可信度。本发明可有效抵御数据收集过程中遇到的恶意攻击,提高传感云系统数据收集的可靠性及保证数据的可用性。

    一种可信的传感云数据收集评估方法

    公开(公告)号:CN106888430A

    公开(公告)日:2017-06-23

    申请号:CN201710248824.4

    申请日:2017-04-17

    Applicant: 华侨大学

    Abstract: 本发明公开了一种可信的传感云数据收集评估方法,该方法对传感云数据收集过程中的网络中节点和移动基站进行信任评估,首先确定移动基站的工作区域,该区域由移动基站的数量M决定;并确定系统的逻辑关系为主观节点Si向目标节点Sj发送数据,且当目标节点Sj不在主观节点Si的范围内时,数据交换则需要推荐节点转发;然后建立评估网络中节点和移动基站信任度的模型,包括直接信任模型Tdir、间接信任模型Tindir和功能信任模型Tfunct;最后根据上一步骤中计算得到的评估参数Tdir、Tindir、和Tfunct确定传感云数据收集的可信度。本发明可有效抵御数据收集过程中遇到的恶意攻击,提高传感云系统数据收集的可靠性及保证数据的可用性。

    一种基于水下边缘设备的两级双向预测获取数据方法

    公开(公告)号:CN110602723B

    公开(公告)日:2022-05-03

    申请号:CN201910795830.0

    申请日:2019-08-27

    Applicant: 华侨大学

    Abstract: 一种基于水下边缘设备的两级双向预测获取数据方法,通过将计算从集中式云层转移到分布式边缘层,构建底层‑边缘‑云三层数据收集模式。利用水下边缘设备的移动性和计算能力进行基于历史信息的分析预测数据,实现在保证数据传输准确的前提下有效减少声波通信,减少传感器能耗。考虑到异构设备的差异化能力,对边缘层与底层这两层节点采用不同的预测算法,将水下数据收集过程转化为两级双向数据预测过程的方法。该发明可以应用在水下传感器网络数据收集机制中。

    一种基于移动雾节点的传感云底层节点信任评价方法

    公开(公告)号:CN109451459B

    公开(公告)日:2021-08-03

    申请号:CN201811548674.X

    申请日:2018-12-18

    Applicant: 华侨大学

    Abstract: 本发明涉及一种基于移动雾节点的传感云底层节点信任评价方法,包括:获取雾节点需要访问的传感器网络中的传感器节点,根据所述传感器节点生成待访问队列;所述待访问队列中的传感器节点称为中继节点;所述雾节点依次访问所述待访问队列中的中继节点,每移动至一个所述中继节点,则计算出与该中继节点相邻的所有传感器节点的综合信任评价;所述综合信任评价包括能量信任评价、数据信任评价和综合通信信任评价。本发明通过在传感云系统中引入移动的雾节点对底层传感器网络进行信任评价,能够减小传感云系统中信任评价的能量消耗与提高信任评价效率,并有效检测网络中的恶意节点。

    水声网络中基于深度强化学习实现时域干扰对齐的MAC协议

    公开(公告)号:CN112929900A

    公开(公告)日:2021-06-08

    申请号:CN202110081524.8

    申请日:2021-01-21

    Applicant: 华侨大学

    Abstract: 本发明公开了一种水声网络中基于深度强化学习实现时域干扰对齐的MAC协议,包括以下步骤:构建分时隙模型;将深度强化学习算法DQN应用到水声网络MAC协议,通过训练深度强化学习算法DQN实现时域干扰对齐;使用训练好的DQN来调度节点传输。与现有技术相比,本发明采用深度强化学习方法为节点分配时隙,使用DQN来实现时域干扰对齐,并使用训练好的DQN来调度节点传输;DQNSA‑MAC将干扰在非目的节点处对齐,并保留更多的无干扰时隙用作消息的传输和接收,从而提高吞吐量;此外,基于训练好的DQN,每个节点可以从目前的状态映射到传输动作,有效地解决了由于状态空间大而造成计算开销大的问题。综述,本发明能够提高水声网络MAC协议的吞吐量、成功传输率和公平性等。

Patent Agency Ranking