CN101360064A - 一种实现网络资源选择的方法和装置 - Google Patents

一种实现网络资源选择的方法和装置 Download PDF

Info

Publication number
CN101360064A
CN101360064A CN200810223358.5A CN200810223358A CN101360064A CN 101360064 A CN101360064 A CN 101360064A CN 200810223358 A CN200810223358 A CN 200810223358A CN 101360064 A CN101360064 A CN 101360064A
Authority
CN
China
Prior art keywords
network
parameter set
qos parameter
qos
resource
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN200810223358.5A
Other languages
English (en)
Inventor
崔鸿雁
陈建亚
刘韵洁
姜玮薇
崔现东
王晓娟
杨诗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN200810223358.5A priority Critical patent/CN101360064A/zh
Publication of CN101360064A publication Critical patent/CN101360064A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种网络资源选择的方法和装置,其中,所述方法为:确定网络资源需求的服务质量QoS参数集;在根据所确定的QoS参数集建立相应的系统层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到所述QoS参数集中相应参数的权重;由所述QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同QoS性能指标支持能力的差异关系,利用所述关系选择最优的网络资源。

Description

一种实现网络资源选择的方法和装置
技术领域
本发明涉及通信服务网格技术领域,特别是一种实现网络资源选择的方法和装置。
背景技术
现有技术中的网络资源选择方法是采用一种基于FC(Fuzzy Cluster,模糊聚类)的方法来选择网络资源的组合。但是,这种FC方法仅仅考虑了网络资源的单一性能,忽略了资源的异构性。因此,这种网络资源选择的方法不能充分反映不同服务类型对多QoS参数指标的性能要求,对资源的选择存在片面性。另一方面,FC方法缺乏对QoS参数权重的计算功能,不能从定量和定性的角度完备地考虑不同QoS参数的权重分配,不适合直接应用于网络的资源选择中。
发明内容
本发明实施例提供一种实现网络资源选择的方法和装置,使网络资源选择符合服务对多QoS参数指标的性能要求,满足网络资源在不同用户和服务间的合理分配。同时,提高网络资源的利用率。
本发明实施例公开了一种实现网络资源选择的方法,包括:确定网络资源需求的服务质量QoS参数集;在根据所确定的QoS参数集建立相应的系统层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到所述QoS参数集中相应参数的权重;由所述QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系,利用所述关系选择最优的网络资源组合。
本发明实施例还公开了一种实现网络资源选择的装置,包括:参数集设置单元,用于设置网络的服务质量QoS参数集;参数权重确定单元,用于在根据所确定的QoS参数集建立相应的系统层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到所述QoS参数集中相应参数的权重;资源选择单元,用于由所述QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系,利用所述关系选择最优的网络资源组合。
从上述本发明的实施例可以看出,本发明实施例利用层次分析方法,综合确定QoS参数集中相应参数的权重,定量地反映了网络中服务对多QoS参数的性能要求,满足不同服务和用户对资源的需求。同时,本发明实施例对网络中各节点资源能力进行全局模糊聚类处理,解决了现有网络资源选择中对服务性能指标要求的单一考虑而带来的资源选择的片面性,满足了服务对网络资源的期望,提高网络资源的利用率。
附图说明
图1为本发明实现网络资源选择的方法的一个实施例流程图;
图2为本发明实现网络资源选择的方法的另一个实施例流程图;
图3为本发明AHP方法的流程图;
图4为本发明FC方法的流程图;
图5为本发明实现网络资源选择的装置的一个实施例结构图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
请参阅图1,为本发明实现网络资源选择的方法的一个实施例流程图,包括以下步骤:
步骤101:确定网络资源需求的服务质量QoS参数集;
步骤102:在根据所确定的QoS参数集建立相应的系统层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到所述QoS参数集中相应参数的权重;
步骤103:由所述QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系,利用所述关系选择最优的资源组合。
请参阅图2,为本发明实现网络资源选择的方法的另一个实施例流程图。本实施例中,利用FC(Fuzzy Cluster,模糊聚类)方法确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系。在本实施例中,服务网格中存在十个节点,各节点资源具有异构性,当网络中有新服务请求到达或服务发生变化时,将触发网络资源选择,包括以下步骤:
步骤201:RMS(Resource Management Service,资源管理服务器)从服务网格的NM(Network Manager,网络管理器)获取服务网格将执行的服务类型,根据服务类型与之间的对应关系,确定流类服务的QoS参数集;
其中,RMS用于进行网络资源选择判决和选择决策。
为了确定服务类型与QoS参数集之间的对应关系,在资源选择前,预先选取会话类、流类、交互类和背景类作为网络资源选择中通用的服务类型,并确定带宽、时延、响应时间、抖动、可靠度、安全性和费用作为资源选择的QoS参数,为不同的服务类型设定不同的QoS参数集,设定的具体实施方式可以如表1所示。
表1服务类型与QoS参数集的设定方式
带宽 时延   响应时间 抖动 可靠度 安全性 费用
  会话类   √   √   √   √
  流类   √   √   √   √   √
  交互类   √   √   √   √
  背景类   √   √   √
步骤202:RMS利用AHP方法确定流类服务的QoS参数中相应参数的权重;
上述AHP方法的具体实现方法请参阅图3,包括以下步骤:
步骤301:建立系统层次结构;
其中,系统的层次结构有两个:目标层和准则层。将目标资源组合设定为目标层,在本实施例中,目标资源组合即为符合流类服务的最优QoS资源组合,将网络的QoS参数集设定为准则层,在本实施例中,网络的QoS参数集即为流类服务的QoS参数集中带宽、时延、抖动、可靠度和费用这五个参数。
步骤302:构造判断矩阵B;
其中,用bij表示带宽、时延、抖动、可靠度和费用这五个参数之间的重要性程度。这里,采用“1-9标度”方式对每个参数进行标度,在表2所标度的范围内对bij取值用以获得各参数之间的重要性程度。
例如,当用bij表示带宽和时延之间的重要性程度时,根据表2的标度范围对bij取值,得到7,这个取值说明带宽比时延强烈重要。同样,根据表2的标度范围对其它参数之间的重要性程度取值,并构成一个判断矩阵B,判断矩阵B中的元素bij表示参数i对参数j的重要性程度。
表2参数的标度方法
  标度   含义
  1   i和j同等重要
  3   i比j稍重要
  5   i比j明显重要
  7   i比j强烈重要
  9   i比j极端重要
  2,46,8   上述相邻判断的中间值
  倒数   若元素i与元素j的重要性之比为bij,则元素j与元素i的重要性之比为bji=1/bij
步骤303:对判断矩阵B计算,得到一致性指标CI;
其中, CI = λ max - n n - 1
这里,λmax是判断矩阵B的最大特征根,n是矩阵的阶数。
步骤304:对CI进行计算,得到一致性比例CR,检验判断矩阵B是否满足一致性;
其中, CR = CI RI
这里,RI是平均随机一致性指标。采用Saaty定义的平均随机一致性指标对各阶数的判断矩阵进行RI定义,在表3所定义的范围内对RI取值以获得一个平均随机一致性指标。例如,当查找五个参数的判断矩阵的平均随机一致性指标时,根据表3的指标对RI取值,得到1.12,这个RI说明5阶的正互反矩阵的平均随机一致性指标是1.12。
             表3平均随机一致性指标RI
Figure A20081022335800091
当CR<0.10时,判断矩阵B满足一致性,进入步骤305,否则返回步骤302对判断矩阵B作适当修正。
步骤305:对判断矩阵B计算最大特征值λmax,得到对应的特征向量w′;
步骤306:对向量w′进行归一化处理,得到QoS参数的权重向量w
其中,权重向量w中的元素分别对应五个参数的权重。
在确定了流类服务的QoS参数集中相应参数的权重后,返回到网络资源选择的流程中,并执行步骤203。
步骤203:RMS根据流类服务的QoS参数集从NDA(Network Database,网络数据库)中获取服务网格中各节点资源的QoS参数值;
其中,RMS与NDA连接,NDA用于记录服务网格中各节点资源的当前QoS信息。
上述服务网格中各节点资源的流类服务的QoS参数值构成资源比较矩阵R保存在RMS中。
上述步骤203中,当网络中不存在NDA时,RMS可以直接从NM获取服务网格中各节点资源的流类服务的QoS参数值。
步骤204:RMS根据流类服务的QoS参数集中相应参数的权重,采用FC方法确定服务网格中不同节点资源组合对流类服务的QoS性能指标支持能力的差异关系。
请参阅图4,上述实施例的步骤204中FC方法包括以下步骤:
步骤401:对资源比较矩阵R进行归一化处理,得到矩阵SR;
其中, s r ij = r ij - min r j max r j - min r j i=1,2…,10;j=1,2,3,4,5。
步骤402:对矩阵SR进行计算,得到模糊相似关系矩阵Sk
其中, s ij k = min ( sr ik , sr jk ) max ( sr ik , sr jk ) , i=1,2…,10;j=1,2,3,4,5;k=1,2,3,4,5。
这里,Sk是每个QoS参数对应的模糊相似关系矩阵。
步骤403:对模糊相似关系矩阵Sk进行计算,得到全局模糊相似矩阵WS;
其中, W S ij = Σ k = 1 5 w k × s ij k , i=1,2…,10;j=1,2,3,4,5;k=1,2,3,4,5,
wk为资源比较矩阵R中各个分量的权重。
步骤404:对全局模糊相似矩阵WS进行自反性,对称性和传递性计算,判断WS是否为全局模糊相似等价矩阵,如果是,进入步骤406,如果否,进入步骤405。
步骤405:对WS进行模糊等价改造,得到满足等价关系的全局模糊相似等价矩阵。
步骤406:设定λ判定值,判断全局模糊相似等价矩阵WS中元素与λ的关系,得到λ-截矩阵X:
其中,λ判定值满足0<λ<1,
当wsij≥λ时:xij设为1;
当wsij<λ时,xij设为0。
步骤407:根据λ-截矩阵X得到M种节点资源组合,评价各种节点资源组合对流类服务QoS性能指标支持能力
其中, P l ( D l ) ‾ = 1 5 Σ R k ∈ D l Σ j = 0 n w k × r kj , j=1,2,3,4,5;k=1,2,3,4,5;l=1,2…,M
wk为资源比较矩阵R中各个分量的权重。
这里,Dl是一个节点资源组合。
在确定服务网格中不同节点资源组合对流类服务的QoS性能指标支持能力的差异关系后,返回到网络资源选择的流程中,执行步骤205。
步骤205:判断服务网格中不同节点资源组合对流类服务的QoS性能指标支持能力的差异程度,选择最优的节点资源组合D作为服务资源集,结束本流程。
其中,D是
Figure A20081022335800111
对应的节点资源组合。
在上述实施例的实现过程中,也可以不针对服务类型设定不同的参数集,即所有的服务类型均采用同一套QoS参数集。这样,在步骤201中,RMS直接获取网络资源需求的QoS参数集;在步骤203中,RMS从NDA中获取服务网格中各节点资源的QoS参数值。
从上述实施例可以看出,利用层次分析方法综合确定QoS参数集中相应参数的权重,可以定量地反映网络中服务对多QoS参数的性能要求,满足不同服务和用户对资源的需求。
此外,本实施例采用多参数即本方案选取的带宽、时延、响应时间、抖动、可靠度、安全性和费用这七个参数作为资源选择的参考,特别是增加了安全、费用这样的对用户来说较直观的参数,增强用户对资源选择的参与度。为不同服务类型选取不同的QoS参数集,这样确定的参数集更能反映服务特征,减少不必要的数据采集和处理,减少参数权重计算的复杂度。
以上实施例是以服务网格中运行流类服务为例说明的本发明的网络资源选择的方法,但本发明不限于服务网格和流类服务,比如IP核心网络或无线MESH骨干网络中,服务类型为交互式服务,其网络资源选择的方法和上述实施例类似,此处不再赘述。请参阅图5,为本发明实现网络资源选择的装置的一个实施例结构图,该装置包括参数集设置单元501、参数权重确定单元502和资源选择单元503。下面结合该装置的工作原理进一步介绍其内部结构以及连接关系。
参数集设置单元501,用于设置网络的服务质量QoS参数集;
参数权重确定单元502,用于在根据参数集设置单元501所确定的QoS参数集建立相应的系统层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到QoS参数集中相应参数的权重;
资源选择单元503,用于由参数权重确定单元502获取的QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系,根据所述关系选择最优的网络资源组合。
其中,参数权重确定单元502包括:
层次结构建立单元504,用于根据所述参数集设置单元501所设置的QoS参数集建立系统层次结构;
参数权重计算单元505,用于在层次结构建立单元504建立层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到所述QoS参数集中相应参数的权重。
资源选择单元503包括:
资源模糊聚类单元506,由参数权重确定单元502获取的QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系;
资源组合选择单元507,用于在所述资源模型聚类单元506确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系后,根据资源组合选择规则,选择最优的网络资源组合。
该装置还包括:
参数关系设定单元508,用于在预先确定的QoS参数范围内,根据服务类型设定所述服务类型与QoS参数集之间的对应关系。
本实施例中,参数集设置单元501为不同服务类型选取不同的QoS参数集,这样确定的参数集更能反映服务特征,减少不必要的数据采集和处理,减少参数权重计算的复杂度。并且,资源模糊聚类单元506对网络中各节点资源能力进行全局模糊聚类处理,解决了现有网络资源选择中对服务性能指标要求的单一考虑而带来的资源选择的片面性,不能满足普通用户对网络资源的期望的问题。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤,是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,该程序包括如下步骤:确定网络资源需求的服务质量QoS参数集;在根据所确定的QoS参数集建立相应的系统层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到所述QoS参数集中相应参数的权重;由所述QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系,利用所述关系选择合适的网络资源组合。所述的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应该视为本发明的保护范围。

Claims (12)

1.一种实现网络资源选择的方法,其特征在于,包括:
确定网络资源需求的服务质量QoS参数集;
在根据所确定的QoS参数集建立相应的系统层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到所述QoS参数集中相应参数的权重;
由所述QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系,利用所述关系选择合适的网络资源组合。
2.根据权利要求1所述的方法,其特征在于,所述确定网络资源需求的服务质量QoS参数集之前还包括:
在预先确定的QoS参数范围内,根据服务类型设定所述服务类型与QoS参数集之间的对应关系;
则所述确定网络资源需求的服务质量QoS参数集为从网络管理器NM获取网络将执行的服务类型和网络节点的资源状况,根据服务类型与QoS参数集之间的对应关系,确定与网络将执行的服务类型相对应的QoS参数集。
3.根据权利要求2所述的方法,其特征在于,所述预先确定的QoS参数范围包括:
带宽、时延、响应时间、抖动、可靠度、安全性和费用。
4.根据权利要求2所述的方法,其特征在于,所述服务类型包括:
会话类服务、流类服务、交互类服务、背景类服务。
5.根据权利要求1所述的方法,其特征在于,所述确定网络资源需求的服务质量QoS参数集包括:
从网络的NM获取与网络将执行的服务类型相对应的QoS参数集。
6.根据权利要求1、2或5任意一项所述的方法,其特征在于,所述根据所确定的QoS参数集建立相应的系统层次结构包括:
将目标资源组合设定为目标层;
将网络的QoS参数集设定为准则层。
7.根据权利要求1、2或5任意一项所述的方法,其特征在于,所述由QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系,利用所述关系选择合适的网络资源组合包括:
由模糊聚类FC方法根据所述QoS参数集中相应参数的权重确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力,根据所述的支持能力的差异程度关系选择合适的网络资源组合。
8.根据权利要求7所述的方法,其特征在于,所述的由QoS参数集中相应参数的权重确定网络中各节点资源对不同服务类型QoS性能指标支持能力包括:
对所述网络节点资源构造资源矩阵,按照公式 sr ij = r ij - min r j max r j - min r j , i=1,2,...n,j=1,2,...n标准化处理,得到标准化资源矩阵SR,所述公式中的行向量ri表示网络中的节点资源,列向量rj表示节点资源的不同QoS性能指标;
对所述标准化资源矩阵SR按照公式 s ij k = min ( s r ik , sr jk ) max ( s r ik , s r jk ) , i=1,2,...n,j=1,2,...n进行数学变换,得到反映节点资源中相同QoS性能指标相似程度的模糊相似关系矩阵S;
对所述模糊相似关系矩阵S按照公式 W S ij = Σ k = 1 m w k × s ij k , i=1,2,...n,j=1,2,...n进行计算,得到所述网络节点资源对不同服务类型QoS性能指标支持能力的全局模糊相似矩阵WS,所述公式中的W为QoS参数的权重向量W。
9.一种实现网络资源选择的装置,其特征在于,包括:
参数集设置单元,用于设置网络的服务质量QoS参数集;
参数权重确定单元,用于在根据参数集设置单元所确定的QoS参数集建立相应的系统层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到所述QoS参数集中相应参数的权重;
资源选择单元,用于由所述参数权重确定单元获取的QoS参数集中相应参数的权重,确定网络中各节点资源组合对不同服务类型QoS性能指标支持能力的差异关系,利用所述关系选择最优的网络资源组合。
10.根据权利要求9所述的装置,其特征在于,所述参数权重确定单元包括:
层次结构建立单元,用于根据所述参数集设置单元所设置的QoS参数集建立系统层次结构;
参数权重计算单元,用于在所述层次结构建立单元建立层次结构后,构造具有一致性的判断矩阵,利用判断矩阵,得到所述QoS参数集中相应参数的权重。
11.根据权利要求9所述的装置,其特征在于,所述资源选择单元包括:
资源模糊聚类单元,用于由所述参数权重确定单元获取的QoS参数集中相应参数的权重,确定网络中各节点资源对不同服务类型QoS性能指标支持能力的差异关系;
资源组合选择单元,用于在所述资源模糊聚类单元确定网络中各节点资源对不同服务类型QoS性能指标支持能力的差异关系后,根据资源集选择规则,选择最优的网络资源组合。
12.根据权利要求9所述的装置,其特征在于,还包括:
参数关系设定单元,用于在预先确定的QoS参数范围内,根据服务类型设定所述服务类型与QoS参数集之间的对应关系。
CN200810223358.5A 2008-09-27 2008-09-27 一种实现网络资源选择的方法和装置 Pending CN101360064A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN200810223358.5A CN101360064A (zh) 2008-09-27 2008-09-27 一种实现网络资源选择的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200810223358.5A CN101360064A (zh) 2008-09-27 2008-09-27 一种实现网络资源选择的方法和装置

Publications (1)

Publication Number Publication Date
CN101360064A true CN101360064A (zh) 2009-02-04

Family

ID=40332405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200810223358.5A Pending CN101360064A (zh) 2008-09-27 2008-09-27 一种实现网络资源选择的方法和装置

Country Status (1)

Country Link
CN (1) CN101360064A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102025539A (zh) * 2010-12-07 2011-04-20 南京邮电大学 一种认知网络中基于Agent的可用资源评估方法
CN102075352A (zh) * 2010-12-17 2011-05-25 北京邮电大学 一种网络用户行为预测的方法和装置
CN102387402A (zh) * 2010-08-26 2012-03-21 韩国电子通信研究院 服务质量保障型服务传达多元化方法及装置
CN101754226B (zh) * 2009-12-21 2012-06-20 西安电子科技大学 认知无线网络环境下终端的重构方法
CN102781072A (zh) * 2012-07-27 2012-11-14 南京邮电大学 基于多属性决策和群组决策的网络选择方法
CN104618984A (zh) * 2015-02-02 2015-05-13 巫立斌 最优网络节点接入方法
CN104753977A (zh) * 2013-12-26 2015-07-01 中国石油化工股份有限公司 基于模糊聚类的地震处理解释基础设施云资源调度方法
CN105393279A (zh) * 2013-02-17 2016-03-09 华为技术有限公司 用于获取通信网络的优化用例的方法
CN106686076A (zh) * 2016-12-21 2017-05-17 华侨大学 资源服务网络中基于聚类的关键特征序列选取方法
CN107205028A (zh) * 2017-05-25 2017-09-26 郑州云海信息技术有限公司 一种服务分类方法及装置
CN108268482A (zh) * 2016-12-30 2018-07-10 百度在线网络技术(北京)有限公司 信息推送方法、装置以及设备
CN111277972A (zh) * 2019-01-25 2020-06-12 维沃移动通信有限公司 一种直接通信接口QoS参数确定方法及相关设备
CN113643810A (zh) * 2021-08-10 2021-11-12 西北工业大学 一种云边端协同的人机物QoS参数规约方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101754226B (zh) * 2009-12-21 2012-06-20 西安电子科技大学 认知无线网络环境下终端的重构方法
CN102387402A (zh) * 2010-08-26 2012-03-21 韩国电子通信研究院 服务质量保障型服务传达多元化方法及装置
CN102025539B (zh) * 2010-12-07 2012-10-24 南京邮电大学 一种认知网络中基于Agent的可用资源评估方法
CN102025539A (zh) * 2010-12-07 2011-04-20 南京邮电大学 一种认知网络中基于Agent的可用资源评估方法
CN102075352A (zh) * 2010-12-17 2011-05-25 北京邮电大学 一种网络用户行为预测的方法和装置
CN102075352B (zh) * 2010-12-17 2013-10-16 北京邮电大学 一种网络用户行为预测的方法和装置
CN102781072A (zh) * 2012-07-27 2012-11-14 南京邮电大学 基于多属性决策和群组决策的网络选择方法
CN102781072B (zh) * 2012-07-27 2014-11-19 南京邮电大学 基于多属性决策和群组决策的网络选择方法
CN105393279A (zh) * 2013-02-17 2016-03-09 华为技术有限公司 用于获取通信网络的优化用例的方法
CN104753977A (zh) * 2013-12-26 2015-07-01 中国石油化工股份有限公司 基于模糊聚类的地震处理解释基础设施云资源调度方法
CN104618984A (zh) * 2015-02-02 2015-05-13 巫立斌 最优网络节点接入方法
CN106686076A (zh) * 2016-12-21 2017-05-17 华侨大学 资源服务网络中基于聚类的关键特征序列选取方法
CN106686076B (zh) * 2016-12-21 2019-06-04 华侨大学 资源服务网络中基于聚类的关键特征序列选取方法
CN108268482A (zh) * 2016-12-30 2018-07-10 百度在线网络技术(北京)有限公司 信息推送方法、装置以及设备
CN107205028A (zh) * 2017-05-25 2017-09-26 郑州云海信息技术有限公司 一种服务分类方法及装置
CN111277972A (zh) * 2019-01-25 2020-06-12 维沃移动通信有限公司 一种直接通信接口QoS参数确定方法及相关设备
CN111277972B (zh) * 2019-01-25 2022-12-23 维沃移动通信有限公司 一种直接通信接口QoS参数确定方法及相关设备
CN113643810A (zh) * 2021-08-10 2021-11-12 西北工业大学 一种云边端协同的人机物QoS参数规约方法

Similar Documents

Publication Publication Date Title
CN101360064A (zh) 一种实现网络资源选择的方法和装置
CN110187990B (zh) 一种基于模式转移的虚拟机混合备用动态可靠性评估方法
CN101572623A (zh) 基于主客观组合评价的网络性能综合评价方法
Chandavarkar et al. Simplified and improved multiple attributes alternate ranking method for vertical handover decision in heterogeneous wireless networks
CN104850727A (zh) 基于云重心理论的分布式大数据系统风险评估方法
CN111866954A (zh) 一种基于联邦学习的用户选择和资源分配方法
CN105512465B (zh) 基于改进vikor法的云平台安全性量化评估方法
CN109960863B (zh) 一种基于网络拓扑路径的复杂仿真系统可信度评估方法
CN103701894A (zh) 动态资源调度方法与系统
CN105808588B (zh) 基于众包模型的分布式定向垂直信息搜索系统和方法
CN106296315A (zh) 基于用户用电数据的情境感知系统
CN101640914B (zh) 一种实现网络选择的方法和装置
CN102394812B (zh) 一种认知网络自反馈动态自适应资源分配方法
US8478570B2 (en) Method and apparatus for establishing network performance model
Yu et al. F-MOGP: A novel many-objective evolutionary approach to QoS-aware data intensive web service composition
CN108415775A (zh) 一种基于服务质量的资源确定方法及系统
Sharma et al. Evaluating performance attributes of layered software architecture
CN101986608B (zh) 一种异构覆盖网络负载均衡程度的评价方法
CN113468403A (zh) 基于大数据挖掘的用户信息预测方法及云计算ai服务系统
US20130338989A1 (en) Efficient evaluation of network robustness with a graph
Singh et al. Apply AHP for resource allocation problem in cloud
CN105959368A (zh) 一种社交云热点资源预测与部署的方法
Yu et al. Analysis of distributed database access path prediction based on recurrent neural network in internet of things
Liu et al. Applying genetic algorithm to select web services based on workflow quality of service
Georgieva et al. QoS-Aware web service selection accounting for uncertain constraints

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20090204