一种面向智能网络系统的自主计算能力分析方法
2021年电子技术应用第9期
孙日明，胡先浪
江苏自动化研究所，江苏 连云港222061
摘要： 目前各类智能网络系统已被广泛地应用，但是由于节点众多、外部环境复杂，自我管理具有很大挑战。而自主计算系统(ACS)具有根据策略和目标实现自主管理的能力，在复杂的智能网络系统中具有广阔的应用前景。然而，目前自主计算的评价方法缺乏准确的量化来评估ACS的自我管理水平。首先提出了基于PEPA(Performance Evaluation Process Algbra)的自主计算评价模型。然后，根据自主计算的核心思想(较少或无人干预)提出了一种自我管理的评价指标。此外，为了避免ACS的巨大规模导致传统马尔可夫链的状态空间爆炸，采用连续状态空间近似方法从PEPA模型中生成 ODEs(Ordinary Differential Equations)。实验结果表明，提高检测成功率和self-*变迁速率对提高自主计算具有重要意义，为自主计算提供了一种评价方法，可以自动测量自我管理的能力。
中圖分類號： TN919.5；TP393
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200811
中文引用格式： 孫日明，胡先浪. 一種面向智能網絡系統的自主計算能力分析方法[J].電子技術應用，2021，47(9)：59-63，68.
英文引用格式： Sun Riming，Hu Xianlang. An analysis method of autonomic computing capability for intelligent network system[J]. Application of Electronic Technique，2021，47(9)：59-63，68.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200811
中文引用格式： 孫日明，胡先浪. 一種面向智能網絡系統的自主計算能力分析方法[J].電子技術應用，2021，47(9)：59-63，68.
英文引用格式： Sun Riming，Hu Xianlang. An analysis method of autonomic computing capability for intelligent network system[J]. Application of Electronic Technique，2021，47(9)：59-63，68.
An analysis method of autonomic computing capability for intelligent network system
Sun Riming，Hu Xianlang
Jiangsu Automation Research Instisute，Lianyungang 222061，China
Abstract： At present, all kinds of intelligent network systems have been widely used, but due to the large number of nodes and complex external environment, its self-management has great challenges. The autonomous computing system(ACS) has the ability to manage itself according to the strategy and goal, and has broad application prospects in the complex intelligent network system. However, the current evaluation method of autonomic computing lacks accurate quantification to evaluate the self-management level of ACS. This paper firstly proposes an evaluation model of autonomic computing based on PEPA(performance evaluation process algbra). Then, according to the core idea of autonomic computing(less or no intervention),a self-management evaluation index is proposed. In addition, in order to avoid the state space explosion of traditional Markov chain caused by the huge scale of ACS, ODEs(ordinary differential equations) are generated from PEPA model by using continuous state space approximation method. The experimental results show that improving the detection success rate and self-* transition rate is of great significance to improve autonomic computing. This work provides an evaluation method for autonomic computing, which can automatically measure the self-management ability.
Key words : autonomic computing；PEPA；continuous state space approximation
0 引言
隨著人工智能、云計算和邊緣計算的發展，網絡的智能化水平越來越高。涌現了車聯網、自組織傳感器網絡等一系列智能網絡系統[1]，在國民經濟、國防安全等領域發揮了重要作用。然而這些系統往往具有大量的節點且節點均具有較高的智能化水平，如何實現智能網絡系統的自我管理(是指能夠根據環境的變化自動地調整，以滿足各種需求)已成為一項巨大的挑戰[2]。
為了以合理的成本應對分布式系統的管理復雜性，IBM在2001年提出了自主計算能力[3]。其目的是能夠感知和自我管理，并以最少的人為干預來處理復雜性和不確定性，被廣泛應用于航天控制、智能交通等領域。目前，自主計算也已被認為是智能網絡管理的一種有效技術途徑，是智能網絡系統的一種基礎能力。雖然自主計算體系結構和設計方法領域已經取得了一些顯著的成果，但自主計算的評價仍處于早期階段。對自我管理評價的研究有助于發現智能網絡系統的缺陷，為進一步的設計提供有效的參考。
本文詳細內容請下載：http://m.tom3567.com/resource/share/2000003747。
作者信息：
孫日明，胡先浪
(江蘇自動化研究所，江蘇 連云港222061)
此內容為AET網站原創，未經授權禁止轉載。