导读:本文包含了计算资源约束论文开题报告文献综述及选题提纲参考文献，主要关键词:关键链,缓冲大小,DSM理论,可替代性
计算资源约束论文文献综述
蒋红妍,彭颖,谢雪海[1]（2019）在《基于信息和多资源约束的关键链缓冲区大小计算方法》一文中研究指出关键链缓冲区的大小计算方法一直是CCPM的热点研究内容之一。考虑到活动之间因信息流的传递、反馈产生的相关性,会对项目工期造成影响,提出了信息综合影响系数的计算方法;基于资源最小可替代性确定活动资源的综合受限程度,结合活动资源需求强度,提出了资源综合影响系数的计算方法;据此提出的综合考虑信息和资源综合影响等影响因素的关键链缓冲区计算方法,不仅能降低活动工期的不确定性,还可有效缩短项目计划工期。算例验证中采用Monte Carlo模拟确定各活动的计划工期及安全时间,对结果进行了比较和分析,表明文中所建立方法的有效性与实用性。(本文来源于《土木工程与管理学报》期刊2019年01期）
马丁义[2]（2018）在《基于信任度量和资源约束的云计算访问控制模型研究》一文中研究指出云计算是一种可实现计算资源、数据资源和应用资源共享的新型服务模态,具有多租户、弹性扩张和服务可度量等特点。相对传统的计算模式,云计算在降低运营成本和提高运营效率方面具有显着的优势。因此,不论是在学术界还是在工业界,云计算均受到了极其广泛的关注。然而,随着云计算技术的不断发展,放置在云端的用户数据的安全性引起了广泛的重视。能够保证云端数据的机密性、完整性和可用性成了限制云计算技术发展的关键。近年来的相关调查也证明了安全与隐私问题是用户最关注、最迫切解决的核心问题。因此,若不能处理好云环境中安全与隐私的相关问题,云计算技术将难以得到真正的大规模应用。访问控制技术是指通过对用户访问资源活动进行有效监控,使合法用户在合法的时间内获得有效的系统资源访问权限的技术。云计算环境下的访问控制技术是对存在于云环境中的数据资源、计算资源等云中资源进行安全访问的系统安全技术。相对于传统计算环境,云计算环境下的计算模式和存储模式都发生了很大的变化,由此也带来了访问控制中的诸多问题。例如,用户无法控制资源、用户对云服务商失去信任、由于迁移技术的运用而带来的跨安全域访问以及多租户与虚拟化技术引起的主体界定和旁道等一系列问题,所以如何处理好云计算环境下的这一系列访问控制问题,已经成为云计算安全领域研究的热点和核心。本文完成的主要工作如下:1)在分析了当前访问控制模型所具有的特点基础上,针对云计算所具有的用户迁移、资源约束以及资源服务化等特点,将传统的访问控制模型的客体以服务的形式表示,通过对用户、角色、服务、权限、约束进行重新划分、界定,对ABAC(基于属性的访问控制)模型和TBAC(基于信任的访问控制)模型进行融合拓展,引入用户信任度量和环境资源约束机制,提出一种云计算客体服务化的访问控制模型,给出模型定义并描述访问控制流程。2)在云计算环境下的访问控制模型中,将用户信任度量机制引入云计算访问控制模型中,按照用户域内和域间历史访问行为来计算用户的历史信任度和初始信任度,再通过引入时间惩罚函数来计算用户的域内信任度和域间信任度,将计算的信任度值与设定阈值比较,来判断用户的访问权限。3)在动态访问控制模型中,通过对云环境负载的实时监控,将云计算环境资源属性纳入访问控制约束机制中,通过环境资源属性的变化,来实时动态的判断用户访问云计算资源的权限,同时对执行中的云服务资源进行合理的状态迁移,以避免由于系统负载过高而造成的系统稳定性下降等SLA违例情况。(本文来源于《太原科技大学》期刊2018-05-02）
韩超[3]（2018）在《云无线接入网中计算资源约束的多小区分簇联合处理》一文中研究指出随着移动互联网时代的来临,传统的无线接入网将面临越来越多的挑战。在下一代移动通信5G中提出了面向绿色演进的云无线接入网(C-RAN)架构,它具有集中化、协作化、云计算化的特点。其中集中化基带处理可以大大减少覆盖同样区域所需要的基站的数量;协作化的无线远端模块和天线可以提高系统的频谱效率;云计算化的基站虚拟技术可以降低成本、共享处理资源、减少能耗、提高基础设施利用率。然而C-RAN中的集中处理和大规模协作传输实际上需要全局协调、调度和控制,其计算复杂度通常随着网络规模的多项式增加。在未来的C-RAN中,由于数据率要求高,轻量级射频拉远头(RRH)被密集部署时,整个网络的通信资源将变得十分有限以及服务器进行全局协调的计算开销不再可以被忽略。因而随着网络规模的显着增长,服务器的计算能力正成为部署C-RAN网络时需要考虑另一个重要因素。因此,研究云无线接入网中的通信和计算资源分配算法,提升系统吞吐量和降低传输时延,从而提升用户服务质量(QoS)具有重要的理论意义和实用价值。首先,本论文对云无线接入网中集中式计算资源约束的多小区分簇联合处理问题进行了分析。在C-RAN架构中,集中式联合处理可以通过避免小区间的干扰而比常规的每个小区分别处理有着更显着的性能增益,但是由于其所带来的庞大的计算复杂度给整体网络进行全面的协作是不可行的。本文对不同小区进行分簇,然后在同一个簇内进行迫零(ZF)联合预编码处理后再进行信号传输。同时本文使用每秒中央处理器(CPU)浮点运算次数(FLOPs)来描述计算资源,并将其直接与信号处理算法的计算复杂度相关联,从而将问题建模为一个组合优化问题。由于组合优化问题是NP难题,考虑到为了使整个系统总数据速率的最大化,本文通过松弛和连续凸近似(SCA)技术来重新描述目标函数和计算资源约束。并且利用这一问题的特殊结构,提出了一种低复杂度的RRH分簇和功率分配算法,并进行迭代求解。本文还证明了所提出的迭代算法的收敛性以及对该算法进行了仿真评估,以显示其优于传统算法的吞吐量性能。接下来,本论文研究了云无线接入网中分布式计算资源约束的多小区分簇联合处理问题。与之前集中式C-RAN架构不同的是,分布式C-RAN中具有多个计算服务器基带处理单元(BBU)同时进行信号处理以及联合传输,RRH和BBU之间不同的匹配方式也会导致之间前向回传(fronthaul)链路选择的不同。分布式化处理能大大减轻前向回传链路的负担,避免集中式基带中高复杂度的信号处理。本文中前向回传链路上的基带信号量化处理过程利用计算资源来进行描述。考虑到该组合优化问题中的非线性计算资源约束条件,本文将吞吐量最大化问题映射成为组合拍卖问题(CAP)。为了针对这个问题是NP难题性质,本文基于加权独立集问题(WISP)中的方法提出了一种贪婪算法,并通过利用分布式C-RAN中的属性来获得组合拍卖问题的可行解,然后通过加权独立集问题中的局部α改进算法来逐步提高性能。本文还利用仿真结果证明了该算法收敛性以及它相比于其它算法的优越性。最后,本论文对计算资源约束的多小区分簇联合处理问题进行了时延优化。在云无线接入网中,考虑突发业务到达时的网络拥塞性能也是至关重要的,特别是对于延迟感知业务。因此研究如何降低通信时延,提高用户QoS也是至关重要的。本文在最大化吞吐量的组合优化问题模型基础上加入考虑了排队延迟,将延迟感知优化问题转换为了相应的马尔科夫决策过程来进行解决。由于相对应的贝尔曼方程组具有指数级别的数量难以直接求解,本文通过采用了一种随机逼近的方法:在线Q-学习方法来获得所需要的目标函数,并通过分步迭代最后使算法达到收敛。(本文来源于《浙江大学》期刊2018-01-01）
胡雪君,崔南方,赵雁[4]（2016）在《基于活动工期风险和资源约束风险的缓冲大小计算方法》一文中研究指出提出一种不确定情况下考虑活动工期风险和多资源约束风险的缓冲大小计算方法.首先,运用贝叶斯网络技术分析关键风险因素,评估其造成的活动工期风险;其次,通过资源流网络方法衡量资源约束风险,进而提出合理的缓冲配置方法以构建稳定的关键链调度计划.通过算例分析和比较研究,验证了所提出方法兼具有效性和实用性,能够在保证较高按时完工率的同时,有效缩短项目工期并保持进度计划稳定.(本文来源于《控制与决策》期刊2016年08期）
左利云[5]（2016）在《云计算中基于任务特性和资源约束的调度方法研究》一文中研究指出在云计算这种商业化的计算模型和服务模式中,如何根据用户提交的任务需求,对资源进行合理的按需分配是云计算调度的重要研究内容,但目前该领域还存在很多如资源的动态性、超大规模、高能耗、任务对资源需求的多样性及任务的多样化约束等问题,这些问题会影响云计算中的调度效率乃至云计算的服务质量并成为云计算发展的制约因素,因此在考虑调度问题时若能面向这些问题考虑任务和资源的相关特性有针对性地提出相应调度优化方法将有利于调度效率和服务质量的提高,更有利于云计算的发展。本文首先对论文的主要研究问题——云计算中的调度问题进行了比较全面的调研分析。探讨了目前云计算调度的研究现状,并从以性能为中心、服务质量为中心和经济原则为中心这叁个方面对相关研究工作以及当前主流云计算平台所采用的云计算调度方法进行深入分析,归纳总结了现有云计算调度的研究中存在的一些问题。针对这些问题,本文在考虑任务特性和资源约束的基础上提出了一系列的调度优化方法。(1)为了更好的描述和体现云计算中资源的动态性、任务的多样性、资源和任务的多约束等特性,本文提出了一个基于熵优化的资源任务模型。对任务和资源特性进行分析挖掘,根据任务和资源特性对资源进行预处理。针对任务多样性采用聚类的方法对任务进行分类,并利用动态评估指标按照资源的计算能力对资源进行动态聚类,同时根据资源的负载对资源进行动态评估,将资源负载分为过载、过闲和正常叁种状态。在对资源和任务预处理的基础上提出了一个基于熵优化原理的资源任务模型,根据不同任务分布对应的熵值,从熵最大时满足的任务和资源约束的角度,反映了任务对资源的需求特性和任务本身的特点,并实现了保障用户和资源提供者双方利益的目标。该模型具有一定通用性,可适合各种不同的云计算应用中。(2)为解决资源的动态性、超大规模特性和能耗等问题,本文提出了一个能耗感知的动态调度优化方法——STDWEM(Self-adaptive Threshold Dynamic Weighted Evaluation and Scheduling Mothod)。针对云资源的动态性和超大规模特性,在资源任务模型的动态负载评估基础上,提出了一个能耗感知的动态调度优化方法。该方法对评估结果将过载资源迁移以均衡负载,提高资源利用率;将过闲资源释放以节省能耗,从而实现多目标的资源整合优化。在资源迁移时引入了任务迁移系数及自适应阈值,即在任务分配时考虑资源的负载状态。同时该调度方法还包括一个能耗评估模型,该模型可以定量描述资源整合前后的能耗。为验证该调度方法的有效性,实验分别验证了该方法在调度性能、动态自适应性、能耗等方面的效果。实验结果证明对资源动态聚类和任务调度时考虑资源负载都有利于调度效率的提高。相对于类似采用资源评估和考虑能耗的调度方法,该方法能明显减少能耗,最大有近31.5%的能耗节省。而且在响应时间和系统利用率方面都有非常大的优势,尤其是当资源动态加入或退出时,表现出很好的稳定性和自适应性。(3)针对资源动态性及其任务对资源需求的多样化差异问题,本文提出了一个多队列错峰调度方法——MIPSM(Multi-queue Interlacing Peak Scheduling Method)。首先利用资源任务模型中的任务分类方法将任务划分为叁个队列——CPU密集型、I/O密集型和内存密集型,在任务分类时可以根据权重调节因子调整CPU、I/O和内存的权重,从而对不同应用的任务体现不同的侧重。在任务分类的基础上根据任务对资源的差异需求有针对性地分配资源,同时考虑资源的负载状态,对资源按CPU、I/O和内存负载进行排序,调度时将叁个队列的任务分别调度至该指标负载较轻的资源上,通过错峰调度满足任务对资源的差异化需求。本文在仿真环境和真实日志上分别验证了调度方法的效果,实验结果证明,任务分类明显有利于提高调度效率,相对于其它采用任务分类的类似方法,本文的调度方法在响应时间、资源利用率、截止时间违反率等方面都有很好的表现,尤其是随着任务数的增多,表现出更大的优势。(4)针对云计算中任务的面临来自用户、资源等多样性约束问题,本文提出了一个面向任务约束多样性的多目标优化调度方法——MOSACO(Multi-objective Optimization Scheduling Method Based on Ant Colony Optimization Algorithm)。首先提出了两种单目标调度优化策略—Time-First和Cost-First,分别以截止时间和费用优先满足任务的截止时间、预算费用等多样性约束。同时为最大化用户QoS和资源提供商利益,采用资源任务模型中提出的熵优化模型中用户和资源提供商的目标函数约束,结合两个调度优化方法建立了多目标优化调度模型,并通过蚁群算法来求解。实验分别采用了仿真实验和混合云应用实例实验进行验证,结果显示,相比其它考虑费用和截止时间约束的类似方法,单目标优化策略Cost-First和Time-First分别在费用和调度完成时间方面表现出较大优势,而且本文的多目标优化方法无论在调度完成时间、费用、截止时间超出率和资源利用率等方面都表现很好,证明了本文所提调度方法的有效性。(本文来源于《华南理工大学》期刊2016-05-05）
吴洲[6]（2015）在《云计算环境下基于用户和资源约束的免疫效用均衡任务调度算法》一文中研究指出针对云计算中的任务调度问题,提出了一种免疫均衡效用任务调度算法.该算法将云计算环境下任务调度问题建模为一个多目标优化模型,同时兼顾了用户任务的时间跨度和虚拟化资源的负载均衡.仿真结果表明,该任务调度算法提高了用户满意度的同时减少了任务的完成时间,是云平台下一种有效的任务调度策略.(本文来源于《计算机系统应用》期刊2015年10期）
胡晨,徐哲,于静[7]（2015）在《基于工期分布和多资源约束的关键链缓冲区大小计算方法》一文中研究指出提出了一种综合考虑活动工期风险、资源影响系数和非关键链剩余缓冲等影响因素的关键链缓冲区大小计算方法。综合考虑项目资源受限程度和活动资源需求强度对缓冲区大小的影响,提出了活动资源影响系数计算方法;基于活动的工期分布,采用蒙特卡洛仿真估计活动的安全时间;改进了非关键链剩余缓冲的确定方法,并且在计算项目缓冲时吸收剩余缓冲。通过算例分析和比较研究,验证了采用改进方法建立的关键链进度计划,可以合理降低工期风险对项目进度计划的影响,并有效地缩短项目计划工期。(本文来源于《系统管理学报》期刊2015年02期）
邵天营[8]（2013）在《资源约束理论与作业成本计算在成本事前控制中的整合》一文中研究指出成本事前控制作为决策和规划中的成本控制,致力于企业资源的优化配置,以实现成本控制的战略目标。成本事前控制的有效性主要取决于对成本动因、成本习性分析判断的正确性以及成本决策和规划所依赖成本信息的相关性与可靠性。作为管理控制的可选工具,作业成本计算和资源约束理论分别从不同的角度帮助管理者正确认识生产过程并为资源配置决策提供信息。它们各自都是很有价值的管理控制技术方法,二者各具优势,各有缺点,但在本质上存在很强的互补性。二者可在多个不同的层面进行整合,从而提高成本决策和规划的科学性,为企业带来更大的利益。(本文来源于《价值工程》期刊2013年27期）
计算资源约束论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
云计算是一种可实现计算资源、数据资源和应用资源共享的新型服务模态,具有多租户、弹性扩张和服务可度量等特点。相对传统的计算模式,云计算在降低运营成本和提高运营效率方面具有显着的优势。因此,不论是在学术界还是在工业界,云计算均受到了极其广泛的关注。然而,随着云计算技术的不断发展,放置在云端的用户数据的安全性引起了广泛的重视。能够保证云端数据的机密性、完整性和可用性成了限制云计算技术发展的关键。近年来的相关调查也证明了安全与隐私问题是用户最关注、最迫切解决的核心问题。因此,若不能处理好云环境中安全与隐私的相关问题,云计算技术将难以得到真正的大规模应用。访问控制技术是指通过对用户访问资源活动进行有效监控,使合法用户在合法的时间内获得有效的系统资源访问权限的技术。云计算环境下的访问控制技术是对存在于云环境中的数据资源、计算资源等云中资源进行安全访问的系统安全技术。相对于传统计算环境,云计算环境下的计算模式和存储模式都发生了很大的变化,由此也带来了访问控制中的诸多问题。例如,用户无法控制资源、用户对云服务商失去信任、由于迁移技术的运用而带来的跨安全域访问以及多租户与虚拟化技术引起的主体界定和旁道等一系列问题,所以如何处理好云计算环境下的这一系列访问控制问题,已经成为云计算安全领域研究的热点和核心。本文完成的主要工作如下:1)在分析了当前访问控制模型所具有的特点基础上,针对云计算所具有的用户迁移、资源约束以及资源服务化等特点,将传统的访问控制模型的客体以服务的形式表示,通过对用户、角色、服务、权限、约束进行重新划分、界定,对ABAC(基于属性的访问控制)模型和TBAC(基于信任的访问控制)模型进行融合拓展,引入用户信任度量和环境资源约束机制,提出一种云计算客体服务化的访问控制模型,给出模型定义并描述访问控制流程。2)在云计算环境下的访问控制模型中,将用户信任度量机制引入云计算访问控制模型中,按照用户域内和域间历史访问行为来计算用户的历史信任度和初始信任度,再通过引入时间惩罚函数来计算用户的域内信任度和域间信任度,将计算的信任度值与设定阈值比较,来判断用户的访问权限。3)在动态访问控制模型中,通过对云环境负载的实时监控,将云计算环境资源属性纳入访问控制约束机制中,通过环境资源属性的变化,来实时动态的判断用户访问云计算资源的权限,同时对执行中的云服务资源进行合理的状态迁移,以避免由于系统负载过高而造成的系统稳定性下降等SLA违例情况。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
计算资源约束论文参考文献
[1].蒋红妍,彭颖,谢雪海.基于信息和多资源约束的关键链缓冲区大小计算方法[J].土木工程与管理学报.2019
[2].马丁义.基于信任度量和资源约束的云计算访问控制模型研究[D].太原科技大学.2018
[3].韩超.云无线接入网中计算资源约束的多小区分簇联合处理[D].浙江大学.2018
[4].胡雪君,崔南方,赵雁.基于活动工期风险和资源约束风险的缓冲大小计算方法[J].控制与决策.2016
[5].左利云.云计算中基于任务特性和资源约束的调度方法研究[D].华南理工大学.2016
[6].吴洲.云计算环境下基于用户和资源约束的免疫效用均衡任务调度算法[J].计算机系统应用.2015
[7].胡晨,徐哲,于静.基于工期分布和多资源约束的关键链缓冲区大小计算方法[J].系统管理学报.2015
[8].邵天营.资源约束理论与作业成本计算在成本事前控制中的整合[J].价值工程.2013