感知计算（精选9篇）
感知计算 篇1
计算机科学和通信技术的发展使得计算模式发生了很大变化, 计算的智能化程度也越来越高。
本质上, 计算机不理解我们的语言, 不理解我们的世界如何运作, 无法感知目前形态的信息, 至少不像人那么容易地做到这些。例如, 我们会习惯地对营业员说:“来一份必胜客”, 这对于计算机来说无疑是天书, 因为“必胜客”是一个连锁快餐店的名字, 怎么能“来一份”呢?但是对于人来说, 处于希望就餐的环境, 感知这一情景, 很容易理解, 此话是希望来一份“必胜客”快餐。
那我们是否能改进计算机, 使之能够获取情景, 进一步感知情景, 丰富人机交互通信以提供更好的计算服务呢?答案是肯定的。这就是情景感知与情景感知计算。
情景感知的定义
情景感知的处理对象是环境中的情景信息。用户的情景信息通常是显而易见的, 例如用户所处环境的温度、湿度和当前时间, 但要给情景信息一个通用的定义却相当困难。1994年, B.SCHILIT等使用了context-aware这个词, 并通过枚举的方式将情景信息 (context) 分为3类来定义: (1) 计算情景, 如网络的可用性、连接带宽、附近的设备 (打印机、显示器、PC) 等; (2) 用户情景, 如用户配置、位置、附近的人、姿势行为、社会关系等; (3) 物理情景, 如温度、光线明暗、噪音大小、交通状况等。该定义忽略了历史情景, 即上述情景在时间轴上的变化。目前大家常用的是Dey在其博士论文中给出的定义:情景信息是可以用来描述实体情形的任何信息。所谓实体是指人、位置或其他和用户及应用交互相关的物体, 包括用户和应用本身。
情景感知是获取情景信息并对其进行信息处理的操作。1994年, B.SCHILIT和M.M.Theimer认为情景感知是系统感知情景并作出相应的调整。Dey总结前人的结果, 把情景感知定义为:无论是用桌面计算机还是移动设备, 普适计算环境中使用情景的应用, 都称为情景感知。
通过人机交互或传感器采集的方式可以获得关于人和设备环境等情景信息。而情景感知则是根据这些情景信息, 让计算设备做出相应的反应。情景感知的最终目的是使得计算机能够主动获取情景, 并进一步感知情景, 改进并丰富传统的人机交互方式以提供更好的服务。
情景感知计算研究
鉴于以上描述, 一个情景感知系统必须能够模拟人的能力认识和利用蕴含的环境信息, 以便推动其功能性的操作, 它的一般要求是: (1) 情景生成:通过UI或传感器获取情景信息; (2) 情景处理:将原始数据变换成有意义的信息; (3) 情景使用:使用场景, 作出可能的反应成为输出。这三者有机地构成了一个情境感知系统的三部曲。
(1) 情景生成
情景生成指的是情景被感知, 感知情景就是感知和获取情景信息。情景信息的获取可以分为用户主动输入和通过传感器采集等方式。情景感知的目标是通过普适的计算资源在用户较少参与或者根本不需要用户参与的情况下实现对用户的服务推荐。因此, 情景感知系统需要用户个性化信息, 如生活习惯、日程表等, 来辅助系统做出正确的决策。此外, 系统还需要通过部署在环境中的传感器和其他设备自动获取其他情景信息。例如, 用户的位置信息, 在户外环境下可以通过GPS获取;在室内时, 可采用如下技术获取:基于GPS原理, 采用红外 (ParcTab系统、Active Badge系统) 、射频技术;基于信号传输时间差的Cricket系统;基于信号衰落的PADAR系统以及基于视觉技术的定位系统。温度、湿度、加速度信息可通过相应的传感器获得;时间信息则由系统内部时钟提供;类似于网络带宽的信息可以通过动态监测的手段获得。
信息获取的手段众多, 这里不再一一举例说明。
(2) 情景处理
得到当前环境及用户的情景信息后, 如何有效处理这些信息, 是情景感知系统能否实现的关键。
物联网环境下信息采集为多传感器协同感知, 需要解决的主要问题是信息的预处理。信息预处理面临的问题首先是数据关联, 即建立某一传感器量测与其它传感器量测数据的关系, 以确定它们是否是关于同一个目标的量测的处理过程。选择的结果不仅可以减少信息处理的计算量, 还可以提高信息处理的精确度。其次是信息的去冗余及冲突处理以得到准确的传感器量测。传感器自身故障及网络传输中遇到的错误等都会造成采集到的数据不完整或存在噪声, 而多传感器的存在不可避免会造成数据不一致和数据冗余, 增加网络传输负担。通过数据清理将多个传感器在空间或时间上的冗余及互信息依据某种准则进行组合, 可以获得监测对象的一致性解释和描述。最后是发现隐藏的知识, 这涉及到数据挖掘技术, 即通过存储预处理后的传感器数据得到有关环境信息的海量数据, 从中可以挖掘出有用的知识。
物联网环境中的数据集是海量复杂的, 没有哪个情景处理技术能够在整个数据集上是最优的, 不能简单地否定某项技术, 也不能仅仅依赖单一技术, 往往需要根据特定的应用结合各技术的特点, 选取相应技术或综合利用多种处理技术, 来得到最优输出。
(3) 情景使用
使用过程则是利用情景信息调整与规划系统操作, 给出恰当的输出。BALDAUF等人认为情景感知系统能够让自己的操作适应当前的情景, 无须用户显式干预, 从而借助环境上下文信息提高可用性与有效性。情景感知的最终目标是自主提供用户当前所需的服务。
GWIZDKA把情景的使用分为四类:
(1) 情景作为输入;
(2) 情景修改输入;
(3) 用户-系统反馈环中的情景;
(4) 情景作为触发器。
应用前景
尽管早在上个世纪90年代中期, 情景感知计算就已经被提出, 但是其应用还是在近些年才开始发展。目前较多运用于实时路况信息的提供服务, 然而, 情景感知的应用范围不仅如此而已, 举几个例子来说吧:
1.外出旅游
当我们外出旅游去到一个陌生地方的时候, 具有情景感知计算能力的应用会起到旅行指南的作用。根据用户所在的地理位置和偏好, 将该地点邻近的酒店、景点、特色小吃等与旅行相关的信息提供给用户, 还会结合当地的导航图为用户提供相应的交通指引。
2.购物
购物是生活中最必不可少的部分, 这也正是情景感知计算应用很有潜力的方面, 特别是在零售领域。一方面零售店记录每一位购买者购买频率及偏好等信息, 然后用多个标签及视觉线索定义购物者, 为其推荐有关的产品信息。另一方面, 零售店将物品标注RFID编目, 使得消费者可以直接从终端设备上取得商品信息, 而在购买的过程中, 智能货架系统则可以帮助消费者直接找到事先确定要购买的商品, 最后由智能付款系统完成自动结账。甚至, 商家会为每一位路过的顾客推出不同的商品广告。
3.家庭应用
当情景服务应用在家庭中的时候, 主要起到帮助用户避免危险等作用。例如, 当感知到危险信号的时候, 家中的灯会自动打开, 当洗衣机洗好衣服的时候, 会自动响铃提醒。更多这方面的应用, 对于独自居住的老年人来说是非常合适的。
4.情景广告
在智能手机普及的大潮中, 移动互联广告正在进入精准投放的时代, 企业间的竞争也从技术、渠道竞争上升到了平台的层面。这里, 正孕育着巨大的机会。如何将广告精准地投放到目标用户中?是广告主们最值得关注的问题。3S信息系统类似于谷歌GA, 主要对用户加入地理位置信息分析, 多维度变化解析功能。无论用户身处哪个市区, 都可以通过3S系统, 用交叉对比的方式实现用户分析, 最终实现最有价值的广告精准投放。
例如, 我们可以根据用户移动速度和所使用的网络, 分析出用户是开车在户外还是在家里, 对于开车在外的车主, 我们会推送品牌形象类广告;对于在家休息的用户, 我们会推送APP类下载广告。这就是结合地理位置所做的精准投放, 这就是情景广告。
5.智能移动互联服务
未来的移动互联服务将是智能化的服务, 在依靠移动网络、物联网、云计算等资源的情形下, 普适计算和个性化服务不再遥不可及。
以人为中心的情景计算方式在支撑几乎所有的服务应用场景后, “所想即所得”式用户体验将深刻影响人的生活方式和习惯。从通信服务, 到LBS业务, 搜索服务, SNS, 都将受益于情景感知计算平台利用物联网和网络资源提供的情景支撑。
Google是情景感知计算商业化的先行者。2003年后, Google先后推出了GoogleMap, GMail, iGoogle, Latitude, Android, 都是为建立用户模型, 进而加强搜索和广告业务主业, 并逐渐渗透到所有为满足人的需求的服务当中去而开展的。
除Google外, 中国移动是中国最有资源和条件开展情景感知计算服务的公司。结合上百种增值业务, 物联网和通信网的数据, 情景感知计算一方面能够加强自身业务的用户体验, 支持后向付费, 另一方面可作为一个标准平台向第三方开放, 产生更深远的影响, 从而拉开物联网, 云计算和移动网络融合的大幕。
参考文献
[1].http://en.wikipedia.org/wiki/Context_awareness.
[2].顾君忠.情景感知计算[J].华东师范大学学报 (自然科学版) , 2009 (05) .
感知计算 篇2
教学目标：
1、 用多种感官感知5以内的数量，进一步巩固对5以内数量意义的理解。
2、积极参与多媒体的互动活动，体验活动的乐趣。
教学准备：
多媒体投影仪、报纸做的子弹、点数卡片人手一分
教学过程：
(一) 引出活动，激发幼儿兴趣
有一群小动物被抓，让我们来看看有哪些动物被抓，共有多少只动物。并拿出相应的点数卡片，救小动物出来。
(二)用触摸觉来感知，用手摸相应的子弹。
让我们一起来消灭坏巫婆，说数字几就摸几颗子弹。
(三) 运用游戏，和小动物做游戏，运用运动觉。
1、 听听小动物叫几声，就请幼儿拍几下手。
2、 看看动物跳几下，就请幼儿跳几下。
“感知中国”“感知教育” 篇3
中国物联网研究发展中心(筹)由中国科学院、江苏省政府和无锡市政府三方共建。发展中心重点围绕我国物联网战略产业发展过程中的应用瓶颈和技术难点,汇集国内外优势科技资源,开展重大技术研发,开展应用示范,制定物联网标准,开展物联网及关联产业战略研究,依托中科院及国内外相关优势资源构建公共服务平台,为推动我国物联网产业发展提供科技支撑。
中国物联网研究发展中心(筹)落户无锡国家传感信息中心传感网创新园,是无锡物联网产业迅猛发展的缩影。截至7月份,全市共签约物联网项目139项,总投资约111亿元,还有54个项目在洽谈中。全市已建和在建物联网投资基金机构4个,基金总规模达57亿元,专门用于物联网产业发展。通过无锡高层次人才引进计划,全市已经引进了物联网方面领军型创新创业人才近百名。各类物联网研发机构的研发人员由去年的50人,增加到目前的579人。目前,无锡机场防入侵物联网一期工程、感知博览园一期工程、感知水利等12个应用示范项目已完成一期工程建设,感知环保、感知电网、感知交通、感知教育等27个物联网应用示范项目正在抓紧建设,感知医疗、感知园区等40个物联网应用示范项目正在组织方案论证和实施方案的修改完善。
2000年～2010年十年间,在普及计算机教育、互联网教育的两次热潮中,从“校校通”到“班班通”教育的每一次技术变革,无锡教育均走在全国前列。现在开始的新十年,在全面学习贯彻全国教育工作会议精神和《国家中长期教育改革和发展规划纲要(2010～2020年)》的时刻,无锡教育界的同伴们已认识到物联网时代即将到来,无锡将再次迎接新的挑战。此時此刻,无锡将积极建设“感知教育、智慧学习”物联网技术应用示范工程,在全国教育系统处于发力“领跑”位置。
一是全国首家物联网工程学院在无锡成立。6月10日,全国首家实体运作物联网工程学院在教育部设在无锡的直属高校——江南大学挂牌成立。该学院由原通信与控制工程学院和信息工程学院合并重组而成,具有信息、电子与电气类学科交叉的综合优势。该学院的成立与无锡市产业转型升级密切相连,在人才培养上,该院将打造“政产学研结合、校企联动”的人才培养模式,注重突出学生的实践能力和创新能力。培养能引领物联网产业与技术升级的高素质人才。
二是组建“无锡物联网大学科技园”,截至7月已有7所国内知名大学在这里设立机构。其中包括:南京信息工程大学(感知气象)、东南大学、南京大学(感知生命)、成都电子科技大学(芯片研发)、上海交通大学、南京邮电大学、北京邮电大学……
三是在无锡地区中小学推进“感知教育、智慧学习”应用示范工程。主要包括:实施“感知普及工程”、物联网应用于教育知识创新。实施“感知课堂工程”,物联网应用课堂模式变革;实施“感知学习工程”,物联网应用于学习方式创新,实施“感知课程工程”,物联网应用于教育资源优化,实施“感智校园工程”,物联网应用于校园环境管理,实施“感知信息工程”,物联网应用干教育信息共事。
◆2010年1月5日,无锡形成物联网产业创新集群,将在2012年培育企业100家,传感网人才1万人,实现产值200亿元。
◆2010年1月16日至17日,吴邦国在无锡调研,在无锡物联网产业研究院,观看了机场周界防人侵系统演示,并表示希望无锡物联网研发机构发挥优势,为物联网的推广应用创遣条件。
◆2010年1月22至25日,工信部奚国华副部长在无锡考察调研传感网产业,工信部将牵头成立一个全国推进物联网的部际领导协调小组,与江苏省无锡市共同推动物联网产业发展。
◆2010年1月25日,工信部正式批准无锡高新区为国家电子信息(传感网)示范基地,
◆2010年2月7日,无锡高新区、日木YPP,,研究开发推进协会、野村综研(上海)咨询有限公司三方共同签署合作备忘录,共同推进物联网的发展。
◆2010年4月9日,无锡新区赴美国剑桥引进物联网人才。
◆2010年4月50月,无锡国家传感信息中心管委会与江苏省广电信息网络公司举行了江苏下一代广电网物联网研究中心签约暨揭牌仪式。
◆2010年6月10日,全国首家实体运作物联网工程学院在江南大学挂牌成立。省委常委、市委书记扬卫泽为学院揭牌。
◆2010年6月12日,又一家从事物联网技术研发的企业,无锡科晟光子科技有限公司落户太湖新城。
◆201 0年6月14日,中国家用电器研究院(无锡)物联网研究中心项目正式签约,该项目由中国家用电器研究院、无锡市信息化和无线电管理局、南长区政府三方合作建设,落户南长传感网高新园。
◆2010年6月21日,由无锡市纽织实施的“感知太湖智慧水利”物联网综合系统工程应用示范项目通过专家评审。
◆2010年6月26日,由60多家单位自愿缔结的“感知中国”物联网联盟在无锡正式成立。
◆2010年7月2日,“感知环境、智慧环保”环境监控物联网应用示范工程通过了环保部组织的专家论证。
◆2010年7月21日,曙光信息落户新区,另一家物联网企业东方信联同时签约入驻。国内首个基于物联网应用的云计算中心,将在无锡建成。
◆2010年7月25日,无锡市人民医院医疗物联网院士工作站正式揭牌。
◆2010年8月9日,无锡市政府和中国电子科棱集团联手打追的中国物联网创新研发中心在无锡滨湖国家传感信息中心揭牌。
◆2010年8月9日,无锡举行建设“感知中国”座谈会,无锡市物联网发展顾问、专家和来自中科院、中电科、中移动等相关合作单位、省有关部门的负贵人共聚一堂,为无锡市“感知中国”中心建设积极献计献策。
◆201 0年8月9日,无锡国家传感信息中心传感网创新园开园。这是国家科技部火炬中心认定的国内首家传感网相关的国家级科技孵化器,已被批准为国家级高新技术仓业服务中心。
◆2010年8月9日,中国移动无锡物联网研究院揭牌仪式暨应用开发环境发布会在无锡隆重举行。
◆2010年8月9日,中科院院士何积丰等27位学者被我市聘任为物联网发展顾问、专家。
感知计算 篇4
云计算具有按需自助服务、无处不在的网络接入、位置无关的资源池和风险转移等主要优势,被视为“革命性的计算模型”[1]。云计算主要是将原本处于网络边缘的计算任务转移到互联网中( 云端) 。云服务提供商拥有能进行大规模计算和存储能力的大型数据中心,他们按照云用户的需求出售相应的服务和资源。
主要的云服务提供商,如谷歌、微软和亚马逊等,已经建立或正在建设横跨美国乃至其他国家的大型数据中心。每个数据中心包括成千上万的计算机服务器,冷却设备和电力变压器。 例如,微软在华盛顿昆西的数据中心,占地43 600平方米,使用4. 8千米的冷却管路,965千米电线,92 900平方米石膏板,和1. 5吨重的备用电池。微软并没有对外公布该数据中心的服务器数量,但是该数据中心年耗电48兆瓦,这些电力足以供应40 000个家庭[2]。另外,美国国家安全局正计划在犹他州威廉斯堡建立一个庞大的数据中心,预计每年消耗的电量将超过70兆瓦[3]。
云计算、数据中心和智能电网之间的相互作用如图1所示。 一方面,数据中心是云计算的关键要素[4],对互联网以及路由和拥塞控制算法等都有重大的影响。另一方面,由于其巨大的能源消耗,数据中心会增加所处区域的电网负荷,对电网带来较大影响。此外,随着数据中心规模的不断扩大,电力成本成为云计算数据中心的主要成本。为了解决这个问题,人们在数据中心中设计资源管理算法,根据不同地区、不同时段电力价格的变化, 动态的将计算负载转换到电力成本相对廉价的数据中心[5]。
本文的研究工作,是想要回答这样一个问题: 是否可以通过设计云计算算法,来帮助解决智能电网设计中的负载平衡和鲁棒性? 比如: 确定数据中心计算负载分布的服务请求路由算法,由于每个数据中心的计算负荷直接影响到数据中心的能源消耗,因此可以通过改变服务请求路由,来控制云计算数据中心对电网的影响[6]。例如,可以减少所在地区电网容易产生电路溢出的数据中心的计算负载,达到减少该地区数据中心的能源消耗的目的。基于这个想法,本文将云计算的服务请求路由问题和智能电网的功率流分析合并到一个优化框架内,并对他们之间的相关性给出了解释。在IEEE 24节点可靠性测试系统上的仿真结果显示,在云计算中设计一个电网感知的服务请求路由,可以更好地解决智能电网的负载平衡和鲁棒性问题。
1 系统模型
本节主要介绍下文将使用到的一些符号和系统模型。在本文的第3部分将使用这些模型来为云计算建立一个电网感知的优化框架。
1. 1 电力网络模型
设电网的规模为N,即其所有的节点总数为Ns= | N | 。各个节点之间通过分支形成电网的拓扑结构,每一个节点i ∈ N可能与一个或多个发电机相连接,也可能与各种各样的负载相连接。在本文的系统模型中,电网的负载包含用于支持云计算的大型数据中心的负载。对于配电网络中的每个节点而言,可以推导出直流等效功率流方程如下:
其中,对于每一个节点i ∈ N,参数Pi表示节点i对电网的有功功率注入量,Bij表示电网母线导纳矩阵( Y-bus矩阵) 的第i行, 第j列复值的虚数项,θi表示节点的电压相位角。在功率流方程中,对于任意节点i ∈ N,唯一的变量是电压相位角 θi。在实践中,将其中一个节点作为松弛节点,具有0度相位角。因此,所有其他节点的相位角是相对于松弛节点相位角的差异来选择的[7]。
假定: 求解式( 1) 中的线性方程组,得到相位角序列 θ1,θ2, …,θN,就可以计算出电网每一个支路( i,j) 的有功潮流:
Pij的量值直接影响电网中的电路的溢出问题,当支路( i,j) 的有功功率达到其允许的最大水平Pmax,就会产生溢出。因此, 需要限制Pij的量值一直低于Pmax。需要说明的是,当涉及到配电网络的支路时,比如支路( i,j) ,无功功率Qij要显著低于有功功率Pij。因此,在实践中,电路溢出问题只涉及到支路有功功率[7]。总之,电网中是否发生电路溢出,主要取决于电网的拓扑结构,电网节点的导纳矩阵,以及大量的有功功率注入或系统中所有节点的消耗:
另外,在每个节点注入或消耗的功率可能会随时间而改变, 原因如下: 1) 发电厂( 特别是使用可再生能源的发电厂) 发电能力的改变; 2) 住宅、商业、工业用电负荷的变化; 3) 电网中大型数据中心电力消耗的变化。因此:
其中:
式中,PiData Centers表示连接到节点i ∈ N上的数据中心的电力消耗,PiBackground表示除了数据中心外,节点i ∈ N的其他电力消耗。 接下来,对数据网络建模,获得数据中心的电力消耗表达式,作为计算负载的函数。
1. 2 数据网络模型
考虑连接到互联网的若干个支持云计算的数据中心,每一个数据中心都将连接到电力网络中的某个节点,以获得运行的电力。设S( S N) 表示电网中至少为一个数据中心提供电力的节点集合,U( U N) 表示用户位置的结合,主要指城市和城镇。假定在每一个用户位置都有一个节点给用户提供电力,对每一个用户位置u ∈ U和每一个数据中心位置s ∈ S,λus表示用户位置u路由到数据中心s的总的服务请求。服务请求可能是简单的Web服务器查询点击,也可能是用于研究的,涉及大量的计算服务。设Lu表示在任意位置u的总的服务请求数量,且数据中心是全重复式的( 每个节点拥有全部数据的一个副本) 。 为了确保对所有用户的请求都做出响应,需要满足:
即: 每一个用户位置的所有服务请求都需要路由到某个数据中心,对位于节点s( s ∈ S) 的数据中心的总的服务请求为:
设 μ 表示一个计算机服务器能够处理的总的服务请求数量,ms表示连接到节点s( s ∈ S) 的数据中心的服务器数量,则平均服务器利用率定义为:
设Pidle表示一个服务器的平均待机功耗,Ppeak表示服务器处理一个服务请求时的峰值功率,Eusage表示电源使用效率PUE ( Power Usage Effectiveness) 。比值Ppeak/ Pidle表示服务器的电力弹性,比值越大,弹性也就越大,即服务器的待机功耗就越小。这样就可以获得连接到节点s( s ∈ S) 的数据中心的总的电力消耗[6]:
其中 是经验常数,式( 10) 中主要有两个关键项,即: 第一项ms( Pidle+ ( Eusage- 1) × Ppeak) 表示不依赖与计算负载的基本功耗; 第二项ms( Ppeak- Pidle) × γs表示取决于计算负载大小的增量功耗。
根据上面的描述,云计算的服务请求路由和智能电网的电路溢出问题之间的关系就显而易见了。实际上,可以通过改变数据中心之间的服务请求分布,来改变每个连接了数据中心的电网节点的功耗。依据潮流方程,电网节点功耗的改变将直接影响到电网中不同支路的电力负荷。因此,可以通过改变服务请求路由的分布来控制云计算对电网不同位置的影响。
最后,为了简化记号,假定:
也就是说,如果一个电网节点i不给任何数据中心提供能源,那么节点的数据中心负载为0。
2 电网感知的云计算服务请求路由
在第2节中,给出了系统模型和服务请求路由算法与电路的溢出问题之间的关系,本小节介绍本文设计的一个可以帮助电网负载平衡和提升系统鲁棒性的云计算服务请求路由算法。
回顾上文,对每一个电网支路 ( i,j) 的有功潮流Pij,其值越大就越接近Pimjax,也就越容易产生电路溢出,尤其是在背景负载 ( PBackground) 变化或功率链路断裂的时候。因此,通常是希望减少支路的电力传输,使得电力明显低于支路的允许容量。即: 对每一个电网支路( i,j) ,下面的分数的值越小越好:
基于此,在电网的所有支路中,就可以通过解决下面的优化问题来建立一个合理的负载均衡设计目标:
式( 14) 中的优化变量是云计算系统中被路由到每个数据中心的服务请求量,为了更好地了解服务请求路由策略如何影响负载平衡和式( 14) 的设计目的,请注意下面的方向关系表达式:
从式( 4) 、式( 9) - 式( 11) 可以明显看出,服务请求路由向量 λ 的任何变化,都会潜在导致PData Centers的变化,也就会导致P的变化。另一方面,从潮流方程( 1) 和( 2) 可以看出,节点功率P的改变会导致电网支路中不同位置的功率改变,也就会导致max( i,j)Pij/ Pimjax的改变。由于数据中心巨大的能源消耗,服务请求路由的变化可能显著地影响电网中的负载平衡。
式( 14) 的优化问题,可以很容易地转化为标准的线性规划问题。设 Γ ( 大于或等于0) 表示加入系统的辅助变量,将式 ( 14) 的优化问题改写为与之等价的优化问题,即:
很容易验证,式( 16) 中的目标函数和所有优化约束是仿射的。因此,式( 16) 的优化问题,实际上就是一个线性规划问题, 可以使用单纯形法或内点法来解决[8]。对于数据中心而言,求解线性规划问题( 式( 16) ) 的计算复杂性不重要,因为数据中心具有很强大的计算能力。每当他们得到关于电网中的背景负载 ( PBackground) 的新信息,就可以很容易、频繁更新服务请求路由计划。
作为特例,假定所有支路具有相同的最大负荷容量,即: 对于所有节点i,j ∈ N有Pimjax= Pmax。在这种情况下,式( 14) 的负载均衡问题变成:
也可以相应地获得与式( 17) 等价的线性规划。直觉上来说,负载均衡问题( 式( 14) - 式( 17) ) 的解决,需要将计算负载移动到电网中发电能力高于背景负载的区域中的数据中心。这将避免通过多个支路,跨越很长距离的大功率传输。
3 仿真结果
在这个小节,主要是评估求解负载均衡优化问题得到的最优解的性能。通过仿真实验显示,本文提出的电网感知的云计算服务请求路由算法,能够显著地改善电网负载的平衡和提高智能电网的鲁棒性。
3. 1 仿真环境
考虑如图2所示的电网,这是文献[9]中介绍的经过细微修改的IEEE 24节点可靠性测试系统。系统具有24个节点,38个支路。其中10个节点是发电节点,17个节点是背景负载节点。除非另作说明,设定发电节点和背景负载节点如表1所示。 表1中的数据,与IEEE 24节点可靠性测试系统提供的标准数据类似。
有6个数据中心,分别连接到节点1、7、13、15、18和20。每一个数据中心有600 000台计算机服务器,其峰值能源消耗达到100兆瓦。设Ppeak= 140瓦,Pidle= 40瓦,根据文献[10]的报道,最新电源使用效率Eusage= 1. 2。每个服务器每分钟能处理一个请求,即 μ = 60 。为了在满足验证本文研究的同时而又不缺乏普遍性,实验假定数据中心每小时能处理的服务请求为1亿条,这个数据相对于谷歌等云服务提供商来说是比较符合实际的[11]。回顾上文所述,如何分配服务请求到不同的数据中心, 会改变数据中心的能源消耗状况。最后,仿真实验使用地下单极高压直流HVDC( High Voltage Direct Current) 传输线,对每个支路 ( i,j) 设Pimjax= 600兆瓦[12]。
3. 2 电网感知的云计算服务请求路由的影响
从仿真环境中的参数选择情况,可以得到每个数据中心的基本功耗是40兆瓦,6个数据中心的总增量功耗为180兆瓦。 如果总的计算负载,平均分配到所有数据中心中,那么每个数据中心的能源消耗为40 + 180 /6 = 70兆瓦。在这种情况下,电网支路的最高电力传输负载将达到330兆瓦,如图2中从节点21到节点15的支路( 21,15) 。然而,如果按照式( 14) 的优化求解进行服务请求路由,那么将没有任何服务请求会被路由到第1、 第2和第4个数据中心。那么电网支路的最高传输负载将缩减到300兆瓦,同样发生在支路( 21,15) 。可以看出,电网感知的云计算服务请求路由算法,可以减少瓶颈支路上约10% 的负载,使得电网获得更好的负载均衡。这是因为,算法将云计算负载从发电能力低于负荷需求的节点转移到发电能力高于负荷需求的节点。而且,在更大范围的网路中,当云计算负载相对于背景负载对电网的影响越大时,本文设计的方案的性能也会相应的提高。
图3是电网运行一整天的仿真结果。仿真过程中,假定日负荷曲线是基于IEEE 24节点的可靠性测试系统标准给出的数据[9],再对每个节点外加一些随机的背景负载。在各支路间的最高传输负载的仿真结果如图4所示,可以看出,在一天的不同时间点和不同背景负载情况下,本文提出的设计方案能更好地解决电网中各个支路的负载平衡问题。
3. 3 连接断裂的影响
最后,通过实验探究一下连接断裂的影响。主要是想了解, 在一个电网支路发生故障不能提供电力服务的情况下,电网中其他各支路传输负载的变化情况。部分结果如图4所示,对比图3中的正常运行状况的传输负载,可以看出,在大多数情况下,一个链接断裂会大幅度地增加电网其他支路的最高传输负载。这样就会给电网带来电路溢出的风险,例如: 当支路( 16, 17) 的连接断裂时,瓶颈支路( 21,15) 的传输负载将上升到595兆瓦,非常接近该支路允许的最大负载600兆瓦,也就极易造成电路溢出。尽管如此,在所有考虑到链路断开的情况下,本文提出的电网感知的云计算服务请求路由设计方案,仍然可以帮助减少各支路的峰值传输负载,提高智能电网设计的可靠性。
4 结 语
要实现云计算,就会有大量的大型数据中心,数据中心的电能消耗惊人,对所在区域的电网影响较大。本文通过控制云计算的服务请求路由,来帮助解决智能电网的负载均衡问题。本文的工作主要专注于通过仔细分配云计算系统中各个数据中心之间的服务请求,来改善智能电网各个支路的负载均衡问题。 结合云计算系统中的服务请求路由算法和智能电网中的功率流分析,最终给出了电网感知的云计算服务请求路由优化算法。 基于IEEE 24节点可靠性测试系统的仿真结果显示,本文设计的方案能显著地改善智能电网的负载均衡问题和提高智能电网的鲁棒性。
摘要：高耗能的大型数据中心对其所在区域智能电网的负载均衡有较大影响。针对这种情况,提出电网感知的云计算服务请求路由优化算法。通过对云计算系统的服务请求路由调整,结合电网功率流分析,将服务请求路由到电网余量充沛的数据中心来改善电网支路的传输负载。在IEEE 24节点可靠性测试系统上的仿真结果显示:算法能根据数据中心节点的电网负载情况,调整服务请求路由,显著改善电网的负载均衡问题和提高电网的鲁棒性。
感知计算 篇5
教学目标：
1、感知5以内的数量
2、能手口一致地点数，并说出总数。
教学准备：
1、动物卡：青蛙、松鼠、小熊各式各样1个。
鸡、鸭、鹅、乌龟、蛇及它们的蛋类1—5个
2、连线图1幅。
3、幼儿每人一份拼图卡，一把剪刀。
教学过程：
一、出示许多种动物，让幼儿挑出哪些是冬眠的动物?数一数有几个?
让幼儿再挑出哪些动物会生蛋，并数数有几个?
二、生蛋比赛(感知5以内的数量)
1、这些小动物都会生蛋，今天他们要进行生蛋比赛，小朋友们做裁判员，看谁生的`蛋最多?(出示贴卡)
蛇乌龟鸭鹅鸡
12345
教法：让幼儿点数，并说出总数。
让幼儿说出蛇生蛋最少，鸡妈妈生蛋最多。
2、它们只顾的比赛，结果呢?他们的蛋找不到了，请小朋友们按它们的要求，帮助它们找蛋好吗?(进一步感知5以内的数量)。
教法：例鸡妈妈说：我生了5个蛋，请幼儿把鸡妈妈放在5个蛋的后面。
用同样的方法帮蛇、鸭、鹅乌龟妈妈找到蛋。
3、连线练习
(1)提问幼儿小鸡是从哪儿来的?(鸡妈妈孵出来的，或者从鸡蛋壳里来的……)。
(2)它们的妈妈生完蛋，孵呀孵，看它们的宝宝出来了。
(3)请幼儿把相同数量的动物和相同数量的蛋连在一起。
例：5只小鸡3个鸭蛋
4只鹅5个鸡蛋
3只小鸭4个鹅蛋
4、巩固练习
(1)、让幼儿根据老师出示的图点卡，分别找出什么东西有1个?2个?3个?4个?5个?
(2)、让幼儿分别学动物叫：1、2、3、4、5......
让幼儿学动物跳：1、2、3、4、5......
5、操作练习
(1)每个幼儿一份拼图卡，让幼儿按线剪下，然后把相同数量的点和物拼摆一起。
感知计算 篇6
虚拟现实的技术特性
1多样性
虚拟现实技术不是各种信息媒体的简单复合,而是把声像信号进行加工、变换,这是一种再创作,还可以使计算机处理信息多样化和多维化,使之在信息之间有更广阔和自由的空间,就会大大丰富表现力并增加表现效果。并且通过虚拟现实系统中视、听、触、动觉得传感及反应装置使感知方式的呈现更为丰富,打破传统视听单一和贫乏的视觉审美。
2交互性
虚拟现实的交互性可以实现人对信息的主动选择和控制,人们借助于交互可以获得更多的信息,甚至可以改变信息的组织过程获得许多奇特的效果,使观看者可以从传统的受众者转变成为信息的参与者,在这个过程中,虚拟现实的交互性完成了传统媒介做不到的多路径体验渠道。
3沉浸性
虚拟现实技术追求的目标是力图使用户在计算机产生的三维虚拟环境中有身临其境感。环境中的所有一切,看起来都是真的,包括听觉和触觉都是真的,用户感觉自己是环境中的一部分,如同在真实的世界中一样,和已有经验的现实环境进行直接自然的交互互动(2)。
虚拟现实的视觉空间
面对一个数字科技的时代,光靠语言、动作来形容、表现视觉图像的效果,或由视觉的面貌作为语言文本和文字的解说,两者都不足以体现真实的再现空间。以舞台艺术为例,观众对极尽真实的舞台空间有着迷恋的向往,营造现场真实的舞台视觉空间成为舞台大众化审美的要求。正是基于这样的转变,多媒体计算机创造了新的现实世界,“虚拟现实”开始进入舞台艺术的创作中,数字化的虚拟实景代替了传统实体景片成为视觉形象的新感知,成功地完成了异质空间的真实转换(3)。观众可以真正地进入剧情,看戏时仿佛体味到真正的戏剧人生。从导演和舞台设计师来说,虚拟实景为活跃创作思维和无尽的想象提供了完全的可能性。可谓是只要能想到就可以做到,在虚拟的视觉空间中,舞台中的任何道具都可以打破传统的常态,沙发可以在空中漂浮,墙壁可以旋转倾斜,演员(虚拟演员)可以瞬间消失,又在另一角出现。试想观众进入剧场就像是进入了无限的宇宙空间,流星可以从你身边划过,甚至从你身体穿过,这是何等的迁想妙得。
视觉感知方式的转变
1观演创新
虚拟技术制作的虚拟实景的出现和运用可以说是在现代的科技时代达到了一种对真实模仿的极致。在传统戏剧和舞台演出中,观众始终是一个冷静的旁观者。当代的舞台观念开始注重观众的参与问题,也有相当多的理论家、实践家在通过各种方式调动观众更加主动的加入观剧的过程中。但由于技术条件的限制,这方面的实践都不显著。多媒体及虚拟现实技术的研究和应用,实现了观众对舞台演出参与的“自由选择”,我们可以从观演形式的变化看出新媒体时代的形式创新。
(1)静观体验
这是目前最常见的一种观看方式,观众在剧场中屏息静气,全神贯注地去关注舞台上发生的一切,小心翼翼地去仔细体会导演、演员和舞台设计师所营造的舞台气氛,在创作者潜在的诱导下去感受舞台艺术。
(2)被动参与
这里观众的被动参与是预定性的,有时为了演出需要或是为了活跃现场气氛,调动观众情绪,演员或主持人会邀请观众走到舞台上,这样的情况在娱乐表演或综艺舞台上比较常见(4)。基本是在预先设定的演出框架中进行,所以具有被动性。
(3)主动参与
在舞台演出的观赏中,有可能会出现一种情形,就是观众会情不自禁地走上舞台参与现场的表演,这是观众受到演出的强烈感染所陶醉产生的。经常在演出的高潮时看到,狂热的观众走上舞台狂歌乱舞,抒发心中的情感。
(4)自由参与
这也可以称之为自然参与,虚拟现实技术的应用使得观众可以随时自由加入舞台的演出甚至是创作。这种方式使观众真正地进入的舞台艺术的实质,彻底地改变了传统观演形式的样貌,真正意义上的生气勃勃的舞台表演艺术就产生了。虚拟现实技术所引发观众自由参与的互动性特征,也完成了观众从“旁观者”到“互动者”的转变,观众对节目、媒体、媒介都有了自由的选择性。虚拟现实技术所提供的活动性技术特点使观众对于节目的内容,戏剧内容传播的媒介等都有了充分的选择权。在虚拟现实技术的影响下,观众能够实时的参与舞台创作,加入剧情情节,并且引导情节的变化发展,对场景的变化、演员的调度包括演员的性格都能起到一定的作用。
2多感知体验
所谓多感知性就是在信息传播中除了一般传播所具有的视觉感知外,还有听觉感知、力觉感知、触觉感知、运动感知、味觉感知甚至是嗅觉感知。这几种感知中,除视觉是所有感知的核心之外,听觉感知在舞台观赏中是仅次于视觉感知的第二大感知因素。
在对视觉感知的探究过程中,听觉感知在现代的舞台上的表现力越来越受到重视。用麦克卢汉的话说,听觉空间是没有中心也没有边缘的空间,它不像严格意义上的视觉空间,视觉空间是目光的延伸和强化。比如说,在表现时间的紧迫上,可以不出现时钟的视觉形象,而只要把时钟的滴答声放大加快,观众仍能感觉到时间的紧迫感和剧情发展的紧张性(5)。
由于在传统条件下的观赏过程是视觉和听觉感知在起着决定性作用,也就是说人所具有的其他感觉并没有在舞台艺术的观赏过程中得以实现。多媒体的虚拟特性和虚拟现实技术的运用将有可能突破传统感知方式的界限,放大和延展观众的感知,在观众欣赏表演的过程中加强人们对触觉、味觉和嗅觉的感知,观众不仅可以看到、听到还可以触及到甚至嗅到整个虚拟环境中所发生的一切,这种全面的感官体验是如此的真实,以至于让观众完全沉浸在这个虚幻的世界中。如果我们看到满山的鲜花盛开,听到微风吹过的声音,再闻到阵阵的花香,或是触摸到飘落的花瓣(有可能是虚拟的花瓣或真实花瓣形成的视觉幻像),从感知到心灵的审美就不言而喻了。
如上所述,虚拟现实技术是人工智能、计算机图形学、多媒体技术、网络技术等多种技术的集成。极大地拓展了感知研究领域,将视觉之外的其他感知方式(如触觉)相结合,虚拟现实系统可提供用非视觉方式感知数据相关性的手段。正好迎合了“读图时代”人们视觉审美快感的要求。
摘要：虚拟现实技术是一种有效地模拟人在自然环境中视、听、触等行为的高级人机交互技术。它是人工智能、计算机图形学、人机接口技术、多媒体技术、网络技术等多种技术的集成。文章介绍了虚拟现实技术的基本概念、实现的关键技术,以及虚拟现实技术所带来的多维观感新体验。
注释
1周思跃.虚拟现实定义的探讨.[J].计算机仿真,2006,9.
2王旭升.虚拟现实技术的发展及其应用探索.[J].大众科技,2008,1.
3谭铁志.演剧与影视舞台空间创意.[M].北京:华文出版社,2001.
4蔡体良.舞台与空间艺术.[M].北京:中国戏剧出版社,2005.
感知计算 篇7
关键词：网络虚拟化,僵化,虚拟网络映射,底层网络,拓扑感知,云计算
0 引言
随着互联网技术的快速发展, 现有的网络体系结构是难以维持那些具有网络僵化问题的各种不同的应用程序[1]。因为其具有多个供应者的特征, 因此只是对现有的利益竞争攸关方来达成共识是很难实现的。网络虚拟化允许使用多个虚拟网络 (VNs) 来模拟运行在一个共享的基础设施上来满足各种网络应用程序。这已被公认为克服Internet僵化的有效方式。例如, 它可以使多个研究人员在一个共享的实验设施上评价新的网络协议[1,2,3]。
虚拟网络映射问题 (VNMP) 是网络的虚拟化一个关键的问题, 其能在满足虚拟节点以及链接约束下将多个VNs映射到底层网络 (SN) 上 (如图1所示) [4,5,6]。VNs以及SN分别是有服务提供上 (SPs) 以及基础设施提供商 (In Ps) 来提供的。一种有效的映射方式将会提高底层资源的利用率并且能够避免SN中的拥塞问题。
在多租户的虚拟环境中In Ps和SPs是两个重要的角色。In Ps是用来管理基础设施资源, 而SPs用来创建VNs并且提供端到端的服务[7,8,9]。Guo[10]等提出了一个叫做Second Net的数据中心网络虚拟化架构[11]。在Second Net中, 云计算的多个租户的资源分配的单位被称为虚拟数据中心 (VDC) , 其实由虚拟机 (VMs) 以及虚拟链接组成的。VDC资源分配问题是VNMP的一个应用, 而主要不同是问题的规模而已。因此, 研究如何提高效率的VNMP具有实际的意义;例如, 它是一个有效的分配策略来指导云提供商分配资源, 这对于云计算中用户计算需求以及云提供商的收益需求都是非常重要的。
VNMP的主要研究是研究各种启发式方法。在这些方法中, 映射过程都被划分成两个阶段:节点映射和链接映射。它们分别将虚拟节点映射到底层节点以及将虚拟链接映射的底层路径上。在离线模式上已经有很多的研究。Zhu和Ammar等的目标是在SN中达到负载平衡并且避免一些管理控制的需求。Lu等[12]考虑在骨干星型拓扑下的单个VN, 他们的主要目标是为了最小化代价。对于在线模式也有一些研究。Chowdhury等[13]将VN映射问题看成一个通过SN扩展的混合线性程序 (MIP) , 然后通过放松整数约束来获得一个线性程序[14,15]。Yu等[16]综合考虑了节点约束、链接约束、管理控制以及在线映射问题。
但是VNs的拓扑结构也忽略了映射阶段, 因此可能会导致对基础设施资源的利用率。考虑了图2中的情况, 我们想映射一个具有三个节点 (1, 2, 3) 的VN到一个具有五个节点 (A, B, C, D, E) 的基础设施上。假设node 1和node 2已经分别被映射到基础设施node A和node B上。另外, 假设node 3有两个映射选择———基础设施node C和node D。但是如果考虑了VN的拓扑, 我们知道在node 1和node 3之间有一个虚拟链接, 而node 2和node 3之间没有虚拟链接。则我们将会选择node D而不是node C, 这是因为node D比node C更加靠近node A。则在映射链接 (1, 3) 的时候基础设施路径将会更短并且将使用更少的基础设施资源, 因此node D是一个更好的选择。当考虑VNs的拓扑结构时 (例如节点之间的关系) 可以获得一个更好的映射模式。
本文针对在线的VNMP提出一个新的拓扑感知的算法。在该算法的节点映射阶段将考虑VNs的拓扑结构, 其能够有效减少基础设施路径的平均跳数并且具有一个很高的资源利用率。
1 虚拟网络映射问题 (VNMP)
本节首先描述VNMP的一般模型, 然后提出解决该问题的主要目标。
1.1 形式化定义
定义1虚拟网络 (SN) 用一个无向图GS= (VS, ES, ASV, ASE) 来描述一个SN, 其中下标S是一个SN, VS和ES分别表示基础设施节点及链接集合。ASV和ASE分别表示基础设施顶点和链接的属性。
这与文献[6, 11, 15, 16]的定义是类似的;本文只考虑基础设施节点的CPU以及基础设施链接的带宽。
PS={p1, p2, …, pm}代表SN中底层路径。对于一个底层路径pi∈Ps, 则有一些底层节点vSi1, vSi2, …, vSin∈VS, 要满足pi=es (i1, i2) →es (i2, i3) →…→es (in-1, in) , 其中pi是节点vSi1和vSin的底层路径并且由es (ij, ij+1) (0≤j≤n-1) 链接组成。
定义2虚拟网络 (VN) 本文使用一个无向图GV= (VV, EV, CVV, CVE) , 来定义一个VN, 其中下标V代表VN, VV和EV分别代表虚拟节点和链接, 而CVV和CVE分别代表虚拟节点和链接的约束。
定义3虚拟网络映射问题 (VNMP) VNMP是一个GV到GS的映射过程, 表示为其中需满足另外RV和RE分别是将底层资源分配到虚拟节点和虚拟链接上。
在大部分情况下, VNMP由节点映射阶段和链接映射阶段来组成。 (1) 节点映射阶段是在满足CPU约束的前提下降虚拟节点映射到底层节点上; (2) 链接映射阶段是在满足带宽约束的条件下将虚拟链接映射到底层路径上[12,18]。
本文用来代表节点映射阶段其中和RV代表被分配到虚拟节点的资源。另外相同的VN上的不同虚拟节点不能映射到相同底层节点上是一个硬性的约束。
本文使用来表示链接映射, 其中 (PS*, RE) 和RE都是分配到虚拟链接上的资源。
图3是一个VNMP的例子。 (c) 给出了 (a) 和 (b) 这两个VNs的映射方案。我们可以很容易地确定对于相同的问题具有很多不同的映射解决方案 (例如, 映射虚拟节点b到底层节点A) ;并且我们还能获得其他的不同映射方案。
1.2 解决的目标
与文献[4, 18]类似, 接收一个VN的GV在时间t的收益可以被定义为:
其中CPU (vV) 代表虚拟节点vV需要的CPU, BW (eV) 代表虚拟链接eV需要的带宽。考虑到CPU以及带宽在不同应用程序的重要性, 因此我们定义一个因子α来修改式 (1) , 因此一个VN的接收收益可以定义为:
与文献[18]类似, 一个VN的GV在时间t的接收代价可以定义为式 (3) , 其也是用于定义分配到VN中的所有底层资源:
其中feSeV∈{0, 1}, 并且feSeV=1代表底层链接eS分配到虚拟链接eV上, 否则feSeV=0。分配到虚拟链接的带宽等于虚拟链接需要的带宽和底层路径跳数的乘积。我们通过相关因子α来平衡CPU和带宽的重要性。
与文献[4, 18]类似, 长期收益的平均值可以定义为:
与文献[4]类似定义为长期收益代价比例, 可以形式化为:
是调整映射算法性能的一个重要因素, 因为它代表基础设施资源的有效利用率。
本文同样考虑了访问控制机制, 当底层资源没有被有效地分配到一个新到达的VN上, 我们将拒绝对该VN的访问。因此, 我们定义VN接收比例, 与文献[4]类似, 其可以被形式化为:
其中VNs代表VN请求被SN接受的数量, 而VN是到达的VN请求数量。
2 拓扑感知的虚拟网络映射算法
Yu等[16]提出了一个简单的映射算法 (基准算法) , 该算法使用贪婪算法映射虚拟节点以及k最短路径算法来映射虚拟链接。基准算法在映射虚拟节点时并没有考虑VN的拓扑结构, 这将很容易导致虚拟节点的虚拟链接会很长 (很多跳) 。因此, 通过式 (3) 可以知道在基准算法上基础设施资源利用率很低。
根据基准算法的缺点, 本文提出了一个新的拓扑感知的映射算法, 其在节点映射阶段考虑了VNs的拓扑结构。
2.1 节点映射阶段
基准算法中, 首先对底层节点根据可用的资源H (vS) 进行降序排序。然后将虚拟节点映射到可用资源最大的底层节点上。但是其在节点映射阶段并没有考虑VN的拓扑结构。底层节点的可用资源与文献[16]的定义一样:
其中CPU (vS) 代表底层节点VS可用的CPU资源。L (VS) 代表节点VS的所有链接的集合。BW (lS) 中底层链接lS空闲的带宽资源。
在本文的算法中, 通过节点的度将虚拟节点进行降序排序。假设m=VV, 不失一般性虚拟节点的排列顺序可以定义为:
vV1, vV2, …, vVm
并且DG1≥DG2≥…≥DGm, 其中DGi是虚拟节点的节点度vVi。
在本文的算法中, 我们根据最大节点选择综合因素 (NSIF) 来将虚拟节点映射到底层节点上, 其中NSIF定义为:
其中MV (vVj) 代表将虚拟节点vVj映射到底层节点上, 而hops (MV (vVj) , vS) 代表在SN中底层节点MV (vVj) 和VS之间最小跳数的底层路径。代表在集合vV1, vV2, …, vVi-1中虚拟节点vVi之间的虚拟链接所包含的虚拟节点数量。当虚拟节点vVi和vVj有一个虚拟链接, 则链接 (vVi, vVj) 的值是1否则是0。
NSIF在节点映射阶段考虑了VN的拓扑结构。该过程如下, 我们根据排列好的序列将第i个节点vVi进行映射, 我们知道这些节点vV1, vV2, …, vVi-1已经被映射到SN上。为了减少底层路径的平均跳数, 我们必须将具有虚拟链接的两个虚拟节点进行映射, 但是不要有太长的映射路径。当我们映射vVi时, 我们必须考虑这些节点vV1, vV2, …, vVi-1与vVi是否有虚拟链接。如果节点vVi和vVj (0≤j≤i-1) 之间具有虚拟链接, 则我们就选择靠近的MV (vVj) 的底层设施MV (vVi) 。
考虑虚拟节点vV1, vV2, …, vVi-1, 如果在节点vVi和vVj之间具有一个虚拟链接, 我们必须选择一个靠近所有节点MV (vVj) (0≤j≤i-1) 的节点VS。因此, 底层节点必须最小化下面等式的值:
同时还要考虑底层节点剩余的CPU, 从而获取节点选择元素NSIF。节点映射算法如算法1所示。
算法1节点映射阶段
2.2 链接映射阶段
在链接映射阶段将会与文献[4]和文献[16]类似。我们采用k最短路径算法[7]来将虚拟节点映射到一个底层路径上。
算法2链接映射阶段
3 实验结果及分析
3.1 实验环境设计
本文使用一个模拟实验来评价本算法的性能。本文的模拟实验是在2008年虚拟网络嵌套模拟器上进行的VN映射模拟器的修改版本。
我们的实验与文献[16]的类似, 该SN拓扑结构将有100个节点并且由570个链接, 是一个中等规模的ISP (Internet Service Providers) 。我们使用GT-ITM[17]工具来产生SN。每个节点以及链接的CPU和带宽的最大值为50和100。
对于每个VN, 虚拟节点的数目是符合2和20之间的均匀分布所决定的。VN的平均连通度固定为50%, 其说明有n个节点的VN, 平均会拥有个链接。虚拟节点以及链接上需要的CPU和带宽是符合在0和50之间的均匀分布。到达的VN请求模型是一个泊松处理, 每分钟将会有两个请求。一个VN请求的生命周期在10分钟之内符合一个指数级的分布。对于每个模拟程序将运行60分钟。
我们考虑两种情况, 这两种情况下相关因子α分别定义为1和2。
3.2 结果分析
我们的实验结果将能有效地量化这两个算法。很多性能评价指标都被用来评价算法的性能, 包括长期的平均收益、接手比例、底层路径的平均跳数比例以及算法的运行时间。我们同样从两个方面来评价我们的结果———普通的VNs和SN以及SN中有可改变的节点。
(1) 一般的VNs和SN
对于一般的VNs和SN, 就说明SN和VNs的属性和假设的是一样的, 并且不会发生改变。
图4的 (a) 和 (b) 是当α=1和α=2两种情况下两个算法的比例变化。从结果上可以知道拓扑感知算法的比例明显比基准算法大。
从图5上可以知道拓扑感知算法的平均跳数明显比基准算法小。拓扑感知算法的平均跳数都是围绕着1.1, 而基准算法则是在围绕着2.0。根据式 (3) 可以知道, 对于相同的VNs后者的平均代价将会比前者来得高, 其结果在图4中已经得到验证。
从图6可以知道, 两个算法的时间复杂度基本上是线性的同时是多项式时间的算法。拓扑感知的算法的时间复杂度比基准算法大, 但是其仍然是多项式时间复杂度。这是因为前者算法在计算NSIF值时花了太多时间在底层节点的距离, 而后者在计算H (vS) 值时是很简单的。
图7是两个算法的接收比例的比较。可以知道拓扑感知算法明显比基准算法大。更高的比例将会有更高的资源利用率, 从而能够在一定的基础设施资源上接受更多的VNs。
图8的 (a) 和 (b) 分别是α=1和α=2下两个算法的平均收益。可以知道拓扑感知算法比基准算法具有更高的平均收益。前者的接受比例更高, 在相同的时间窗口下可以接受更多的VNs, 因此会有更高的收益。
(2) 具有可改变结构的SN
因为VNs的属性和假设的是一样的, 我们将使用接受VNs (大部分VNs模拟运行在SN上) 的最大数量作为我们改变SN的节点。
图9是接受VNs的最大数量, 并将底层节点数目从50变化到100。我们可以知道该结果是近似线性的, 而拓扑感知算法比基准算法稍微好些。
4 结语
感知计算 篇8
本文提出一种基于上下文感知计算的移动中间件自适应模式, 通过该模式可实现移动终端自适应感知上下文、自主存储、推理与分析, 降低用户参与度, 最终迅速提高系统自主交互的能力。
1 国内外相关研究及发展趋势
上下文感知计算最早源于一九八八年施乐帕克研究中心的一个研究计划, 后来很快得到迅速发展[1]。目前已成国际热点, 世界上主要发达国家的相关部门都给予上下文感知计算高度关注, 均投入了巨大的财力与人力对其相关方面进行深入研究。我国在该领域的学术研究也有不少, 但总体来说, 尚处于起步阶段, 提出的相关模式仍不够完善与健全, 相对于国外在该领域的研究, 我国已经严重滞后, 亟待进行深入研究[2]。
2 关键技术
2.1 自适应检测
上下文感知是构建移动中间件系统的实体基础层, 纵观目前的桌面计算模式会发现, 诸如用户是谁、在做什么、所处环境等上下文因素时常不会被考虑。但如果要真正实现移动终端智能化, 就必须考虑这些因素。历来在该方面的研究均提出要获取无冗余的上下文, 但仍存在上下文经常发生冲突或不完整等问题[3]。
采用自适应检测的方式进行获取就是借助上下文不同但具有相似特性的特点建立上下文之间的相互依赖关系;然后、根据上下文感知方式的不同进行初分类;最后根据分类不同采用不同方式进行自适应检测, 比如以物理实体形式存在的温湿度等上下文利用传感方式自动检测采集;像网络连接与否、堵塞与否等各种以虚拟实体形式存在的上下文则通过量化载体方式被自动检测感知。另外诸如突发进入或者退出等紧急触发的变化也将导致上下文必须是自适应的。
2.2 模糊推理
上下文分析过程由三个关键环节构成主体, 首先、底层的粗糙原始上下文先被输送入分析层区域, 然后、经过自适应分析过程的相关优化处理之后, 最后将形成更具有实用价值的优化上下文集合。首先通过感知层采集的是最原始上下文, 这些上下文精确性差、冗余和冲突时常存在, 这就必须要求上下文分析层去处理。而采用模糊推理来解决上下文分析中推理的问题就是一个很好的途径。模糊性是指上下文信息在形式和类别等方面的亦此亦彼性, 即中介过渡性, 它是大多数信息所固有的特性[4]。通过对上下文分析过程的实施进行假设从而判定得到合理有效的优化组合。
2.3 分布式映射
映射实际上就是一种关系, 这种关系中包含各种因素。映射就是要实现将模型中所有组件相互之间通过某种映射关系建立某种联系, 从而使得各种不同的功能在各不相同的节点计算设备上得以映射[5]。基于映射的这种特点, 如何将模型中的各个组件实时高效合理地映射到这些物理空间位置各不相同的各种计算设备与传感设备上就成为本文需要解决的一个问题。随着上下文感知计算在生活中运用的深入, 这种灵活的方式在移动中间件上的应用将成为必然[6]。
3 系统模式构建
相对于传统的移动中间件而言, 自适应模式的构建目标就是改变以往人是计算机的“奴隶”的现状, 研究更便捷高效的移动终端。该模式主要从上下文的自适应获取与分析, 智能决策等方面改变以往传统固件信息不变, 获取方式与触发形式单一的不足, 实现人机交互化, 为用户提供实时高效与便捷多彩的自主服务。
3.1 初步自适应层次建模
一般来说, 上下文感知计算系统涉及实体对象数目巨大, 出于降低设计风险的目的考虑, 该文提出了初步自适应层次建模的方法。
通过对系统进行自适应层次化建模可以把复杂的模型细分为多个层次, 使每个层次着重于某些特定的功能, 如上图1所示, 通过不同组件对原始上下文进行采集, 然后进行多元组建模;中间分析环节主要实现推理融合的建模, 实现原始上下文到优化上下文的转变;右边智能决策实现决策建模, 从而至左向右构建起了由最底层到最高层的系统层次化模型。
在建模的初级阶段, 按照如上建模即可, 但是当同一时间处理的对象数目大、实时状态与历史状态超出某一组件处理范围, 就必须进一步扩展为过滤和推理融合两个次级功能子组件。为缓解由于所要处理上下文数量和类型的增加以及组件的增加所带来的速率与实效性的降低, 系统引入Cache组件和寄存器组, 从而满足不同组件之间上下文传递的需要。该模型采用设置容器的方法实现对不同可信度上下文的存储排序, 通过设置时间片确定容器内信息更新与否。
3.2 智能推理
智能推理在上下文分析环节占据十分重要的地位, 为避免对各种上下文信息表达力不足的情况出现, 该文采用模糊推理实现, 其结构如图2所示。
该结构被分为核心和扩展两部分, 核心部分汇集大量使用频率很高的上下文, 比如行为、事件、触发、时空等, 扩展部分是作为核心部分的扩展与补充而存在, 但不可或缺。通过这种划分, 可有效灵活地对上下文的推理环节的个别相关组件进行更换, 避免了大量书写代码程序的问题, 有助于提高效率。
通过这种结构的构建与上下文的定义, 使得上下文逻辑智能推理的实现变得很简单, 比如时间等已经在核心定义的上下文模型很容易被映射上来, 然后, 通过规则判断现有推理能否得到新的有效上下文, 如果有效则选择推理, 否则利用上下文的智能推理技术迅速自适应检测一致性, 以此决定是实现系统提取还是进一步祛除基于不可靠假设推理出的无效上下文。
3.3 上下文自适应融合
上下文是上下文感知计算的基本组成元素, 每种传感器所接收的数据形式各异, 而且不具有明确的语义, 其有效性也不能得到保证, 在获取了原始上下文后, 为了实现系统摒弃掉无用或有效性低的数据, 必须利用上下文的自适应融合从解释环节开始处理。首先, 建立起上下文之间的相互联系, 然后根据这种联系的可信度大小、生命周期值以及语义相关性建立一个上下文知识信息库。其数据处理过程如图3所示。原始上下文首先被送入解释器将得到设备能够识别的上下文, 当同一个上下文被多次获取则根据记录进行覆盖, 经过上述处理的数据被存储起来已备应用, 部分数据进入容器进行自适应处理形成有序队列。
下面以GPS传感器所接收上下文信息的自适应融合为例加以讲解, 现假设终端从另一实体对象上接收到如下一组原始上下文信息:$GPA, 112354, 4842, N, 07954.21, E, 1, 3, 1.4, 76.0, M。应用组件一般对这样的数据格式根本不识别, 也没有办法处理。那么分析层利用推理与解释融合上下文信息, 得出如下数据信息:1) 定位时间:11时23分54秒;2) 纬度:N北纬48度42分;3) 经度:E东经079度54.21分;4) 实时GPS信息;5) 卫星数:3;6) 高度为76.0m等, 即系统上下文知识信息库中存放了众多类似以上的用来记录位置数字信息与路径分析查找的相互关系的上下文信息。例如传感器中的智能分析组件可以通过高斯原理将经纬度坐标转化为高斯坐标, 从而把上下文信息表示成相对于另一个实体的相对距离数据信息, 这样就完成了从原始上下文信息到优化上下文的转变, 最终形成元组表示形式的上下文, 显而易见, 与原始上下文相比元组形式已经具有了较明确的语义。
最后, 通过进行初步自适应层次化建模、智能推理、自适应融合, 完成了基于上下文感知计算的自适应模式构建, 模型图如图4所示。
4 结束语
本文主要提出了一种基于上下文感知计算的移动中间件自适应模式, 首先进行自适应层次建模, 通过引入容器对系统细化扩展, 降低建模复杂度, 然后对上下文进行智能推理与自适应融合, 降低了用户参与度, 提高了系统自主进行交互的能力。但是, 该文对基于上下文感知计算的移动中间件自适应模式的构建研究仅仅是一个开端。在接下来的研究中, 本研究将直接面向真实环境下的感知计算。
参考文献
[1]徐光祐.无所不在的普适计算[J].中国计算报, 2003 (6) :21-23.
[2]赵海, 陈燕.普适计算[M].沈阳:东北大学出版社, 2005.
[3]李镇邦, 吴卿.普适计算.面向云服务的上下文感知自适应移动中间件[J].计算机应用与软件, 2012, 29 (10) :102-104.
[4]熊江.嵌入式系统与普适计算[J].单片机及嵌入式系统应用, 2007 (6) :21-23.
[5]岳玮宁, 董士海等, 普适计算的人机交互框架研究[J].计算机学报, 2004, 27 (12) :45-46.
感知计算 篇9
1946年埃克脱 (J.P.Eckert) 和曼奇利 (工W.Manchly) 在美国宾西法利亚州大学 (University of Pennsy lvania) 制造出第一台现代计算机。20世纪70年代以后，微处理机的出现，降低了计算机制作的成本与体积，普及化成为可能。1980年代初，苹果电脑出现，电脑正式成为个人化产品，深入家庭。同时，随着微电路制造技术的快速发展，嵌入式处理器的大量使用，今天我们身边数字信息处理技术无所不在。数字化电子媒体如数码摄影机、复印机、录象机、投影机、打印机、个人电脑、手机、CD随身听、MP3、PDA等等已成为当代生活中不可或缺的信息媒体。
与人类历史进程中每一个新的工具相同，电脑的出现也是人类器官的延伸，给予人类更方便而有效的生产能力，但在此方面电脑却是一个前所未有的创举。它的功能如此强大;它的未来发展的可能性更是我们不可预知和把握的。它的出现是人类知识和资讯爆发的临界点，从此人类进入了一个崭新的世界。
计算机在以下几个方面带给人们新的创造能力：
1.记忆能力。随着记忆储存器的储存能力的快速提高，人们体会到电脑的海量记忆能力。今天电子记忆仓库省去了我们头脑的记忆作用。指甲盖大小的电脑记忆储存器早就能容纳国家图书馆的全部藏书的讯息。这必将使我们的神经和大脑发展出更新的功能。
2.数码化。计算机最基本的工作原理就是对所有资讯进行0和1的二进制运算。无论对影像、图片等视觉讯号，还是听觉讯号、甚至时间、空间信息均以数字方式进行诠释与解读，均可以逻辑系统的演算来处理与修改。这种把不同讯息转化为符号数码的手段，建立了一种共同的媒介，可以操纵原来各不相同的现象。这种跨媒介或综合媒介的工作能力为人们生产和创造带来了从未有的新空间，最典型的就是它对现实的再创造——虚拟现实了。美国大片《魔戒》中的咕鲁就是最新而广为人知的一例，它那苍白的皮肤下逼真的血脉和使人心颤的声音恍如真人表演，正是运用了综合手段采集信息，而后经数码化重组、修饰、再造而成的虚拟现实。
3.重组与合并。计算机的数字工作原理能轻易地将不同的元件进行组合。通过扫描、键入、安装、储存等不同的信息采集方式，收集各种素材，进行JPEG、TIEF、GIF、BMP、PRIT档案模式的转换，进行再质化后，通过合并等方式再生文件。
4.自动化。这是计算机的显著特征。只要给出一定指令，它就能定时自动进行功能提示，升级各种程序、自动杀毒等。配合各种软件，它的自动化能力更是强大。
通过这些特性，人类生产与创造能力成倍的增长。但这些还是在生产工具的价值层面，只是为人类的新发展提供了必要条件。而网络的出现与迅速普及，才为人类的信息与知识的传播与交流、为人与世界的关系找到了打开无可限量之宝库的阿里巴巴咒语。
1963年，美国的拉里·罗伯茨设计了互联网络。它被设计成一个决不会失误的讯息传递系统，以包切换的方式传输信息。这种分散式体系结构，当时称为ARPA网。冷战高峰时期，此网络受到美国军方拨款资助，技术迅速发展。直到1980年代网络才转为民用。但它爆发性的膨胀并迅速席卷全球，且深刻地改变着我们的生活。最常见的是互联网语音、视频聊天，影响着人与人之间的关系。信息技术的革命已逐渐把受制于键盘和显示器的计算机解放出来，使之成为我们能够相互交谈、共同旅游，能够抚摩甚至能够穿戴的对象。一大堆新词汇成了这个时代的代名词。“大众”传媒正演变为个人化的双向交流，信息不再被“推给”消费者，相反，人们将把所需的信息“拉出来”，并参与到创造信息的活动中。这些发展改变我们的学习方式、工作方式、娱乐方式。“计算机不再只和计算有关，它决定我们的生存。”
网络的快速普及，逐渐出现了全球性的网络文化，它不但更强化一个失去真迹的虚拟社会的发展，也更使得多元文化以惊人的速度在网络界面上杂交。在网际网络的计算机科技文化里，人与网络社群并非主体与物体二分法的存在关系，而是本身和他者，及他者彼此之间的对应关系。依存在网际网络的空间里，形成了的网络文化新人类。人们习以不确知的隐藏身份进行对话，以符码的象征意义进行概念式的交易。数字科技便是利用这种永不满足的隐身沟通欲望和消费心理，塑造新的消费文化。在网络中没有传统的等级制度，没有中心，没有统一标准，每一个联网的计算机就是球状体网络表面的一个点。目前它正将电信系统、大众传播系统吸纳为一部分。网络已赋予个人以更大的交往范围，更大的感知范围和更大的自由想象空间。
伴随着多元文化的融合、生态方式及认知方式的变迁，人类的哲学、美学也与时俱进，不断变化。人类感知世界的触觉得到了极大的扩展，其广度和深度得到了极大的扩张，使得人类对这个世界及其自我的认识及交流进入了一个崭新的层面。这是人类工具的革命，它带来了“信息的爆炸”和“知识的爆炸”，同时也使得人们生活方式的变化和世界观的转化——信息、情感交流的方便快捷，空间距离的缩短——地球村。因此，网络的出现与发展就是人类微小肉身的无限蔓延的“触角”。
摘要：计算机网络技术在记忆能力、数码化、重组与合并、自动化等方面带给人们新的创造力和感知力。
关键词：计算机,网络,电脑,互动性,开放性,包容性
参考文献
[1].尼葛洛庞帝《数字化生存》.科技出版社.1999第一版23页.
[2].http://rhizome.org/project/file room/.