李世強,詹鑫毅

（工業(yè)互聯(lián)網(wǎng)創(chuàng)新中心（上海）有限公司，上海 201303）

1 引言

研究工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度方法，在促進(jìn)工業(yè)信息化管理和工業(yè)大數(shù)據(jù)的優(yōu)化挖掘方面具有重要意義[1]，相關(guān)的工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度算法研究受到人們的極大關(guān)注。

構(gòu)建工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度模型，采用在線訪問設(shè)計方法，建立工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源管理和數(shù)據(jù)庫融合模型，提高工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度能力。傳統(tǒng)方法中，對工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度方法主要有模糊參數(shù)融合方法、特征訪問控制方法和Hash 數(shù)據(jù)編碼控制方法，文獻(xiàn)[2]提出一種基于SDN的AP負(fù)載感知的切換算法，以減少網(wǎng)絡(luò)中頻繁切換并使AP 間負(fù)載相對均衡。文獻(xiàn)[3]提出云計算要成功實現(xiàn)其主要功能，離不開資源分配和任務(wù)調(diào)度兩項基本技術(shù)?；诖?，在分析傳統(tǒng)Map-Reduce 調(diào)度模型的基礎(chǔ)上，設(shè)計了一種并行Map-Reduce資源分配算法，實現(xiàn)了良好的能量控制效果和運行效果。文獻(xiàn)[4]指出工業(yè)物聯(lián)網(wǎng)（IIoT）是將參與者和基于制造或服務(wù)的工業(yè)系統(tǒng)的物理和網(wǎng)絡(luò)資源連接在一個云支持的整體數(shù)據(jù)交換系統(tǒng)。IIOT環(huán)境的處理節(jié)點之間的數(shù)據(jù)交換網(wǎng)絡(luò)是在一個軟件定義的網(wǎng)絡(luò)基礎(chǔ)上建立的。然后對一系列在制品訂單及其所需的加工操作、幾個制造企業(yè)和相關(guān)的物理物流以及用于數(shù)據(jù)和控制信息共享的云IIoT網(wǎng)絡(luò)基礎(chǔ)設(shè)施進(jìn)行仿真。但傳統(tǒng)方法對工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的模糊度較高，自適應(yīng)性不好[5]。

針對傳統(tǒng)方法存在的問題，本文提出基于粒子群優(yōu)化的工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度模型。首先建立工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源演化特征分布模型，采用粒子群尋優(yōu)算法實現(xiàn)對工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的分區(qū)塊聚類處理，然后結(jié)合分布式網(wǎng)格區(qū)塊聚類分析方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源自適應(yīng)調(diào)度和共享，提高工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的檢索和調(diào)度能力。最后進(jìn)行仿真測試分析，展示了本文方法在提高工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度能力方面的優(yōu)越性能。

2 工業(yè)互聯(lián)云平臺數(shù)據(jù)結(jié)構(gòu)和融合處理

2.1 工業(yè)互聯(lián)云平臺數(shù)據(jù)結(jié)構(gòu)分析

建立工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源演化特征分布模型，采用大數(shù)據(jù)信息融合方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的動態(tài)分析和融合處理，采用模糊相關(guān)性融合調(diào)度方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源自適應(yīng)共享設(shè)計[6]，構(gòu)建工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的存儲結(jié)構(gòu)節(jié)點分布模型，如圖1所示。

圖1 工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的存儲結(jié)構(gòu)節(jié)點分布模型

在圖1所示的工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的內(nèi)存結(jié)構(gòu)中，Pi為存儲結(jié)構(gòu)中心節(jié)點，Pj和Pk均為工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的存儲結(jié)構(gòu)節(jié)點，ε為自適應(yīng)調(diào)度參數(shù)。構(gòu)建工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的自適應(yīng)調(diào)度參數(shù)合并集，結(jié)合空間結(jié)構(gòu)映射和線性特征重組方法，進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源數(shù)據(jù)分片處理，結(jié)合分布式網(wǎng)格區(qū)塊聚類分析方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源數(shù)據(jù)融合[7-8]，得到一個4 元組Ek模型表示工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的相似度特征量，采用統(tǒng)計分析方法，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的特征分布屬性A，對工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源進(jìn)行線性重組，得到內(nèi)存分布融合值，得到一個反饋于本地工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源池的節(jié)點為i，在聚類中心中實現(xiàn)對工業(yè)互聯(lián)云平臺數(shù)據(jù)聚類，得到模糊聚類函數(shù)：

式中，xi表示工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源分布的關(guān)聯(lián)特征分量，ui表示工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的模糊度觀測量，提取工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源內(nèi)存關(guān)聯(lián)熵，建立工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源演化特征分布集，得到特征匹配的元組合為B。構(gòu)建工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源信息的內(nèi)存特征量表示為：

其中，ci為數(shù)據(jù)中心資源池節(jié)點i處的內(nèi)存特征量。在特定窗函數(shù)中，進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源數(shù)據(jù)融合和決策樹模型構(gòu)建，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源內(nèi)存數(shù)據(jù)結(jié)構(gòu)分析結(jié)果，采用聯(lián)合特征分析方法，進(jìn)行資源集成和融合處理。

2.2 工業(yè)互聯(lián)云平臺數(shù)據(jù)信息融合

在上述建立工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源演化特征分布模型和數(shù)據(jù)結(jié)構(gòu)分析的基礎(chǔ)上，提取工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的關(guān)聯(lián)信息，構(gòu)建度量函數(shù)，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源池的優(yōu)化訪問控制函數(shù)為：

式中，l 為工業(yè)互聯(lián)云平臺數(shù)據(jù)中心的集成時間分布序列的長度，數(shù)據(jù)結(jié)構(gòu)子模型中，得到輸出的自相關(guān)特征匹配元系數(shù)為K。提取工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的互信息和熵特征量[9]，得到稀疏特征分布項qi，根據(jù)樣本選擇的概率密度函數(shù)分布，得到模糊概率密度分布集為：bi=(bi1，bi2，…，bij)，則輸出的檢測統(tǒng)計特征量：

其中，g(qi，bij)為工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源稀疏特征關(guān)聯(lián)熵，f(bij)為模糊概率密度分布集檢測輸出頻率。建立分布式工業(yè)互聯(lián)云平臺應(yīng)用集成環(huán)境，確定資源融合的時間窗口t0，并在數(shù)據(jù)分布排序規(guī)則表上給出最優(yōu)解：

將工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的統(tǒng)計平均分布概念集S進(jìn)行特征分解μ，得到云平臺數(shù)據(jù)的融合輸出為：

其中，ω 表示工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的關(guān)聯(lián)維，綜上所述完成工業(yè)互聯(lián)云平臺數(shù)據(jù)結(jié)構(gòu)和融合處理，根據(jù)云平臺數(shù)據(jù)融合結(jié)果，結(jié)合PSO算法進(jìn)行尋優(yōu)控制。

3 資源調(diào)度優(yōu)化

3.1 粒子群尋優(yōu)算法

建立工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的調(diào)度模型，構(gòu)建工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的強語義對齊二元特征組，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源關(guān)聯(lián)規(guī)則特征量的演化特征分布模型為：

其中，pi，j(t)為演化特征函數(shù)。結(jié)合周期性的樣本參數(shù)估計和信息擬合控制的方法，進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度和特征分離控制，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的模糊狀態(tài)方程。采用多維信息熵融合的方法，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的模糊狀態(tài)尋優(yōu)控制模型可表達(dá)為：

其中，keyi為關(guān)鍵節(jié)點。根據(jù)工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源信息采樣結(jié)果，結(jié)合相空間重組，得到數(shù)據(jù)中心資源的特征嵌入維數(shù)為m，工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的獨立隨機解分布集合為n，采用源域與目標(biāo)域的遷移控制的方法，建立PSO粒子群尋優(yōu)模型θ(xi)，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的PSO粒子群尋優(yōu)傳遞函數(shù)為：

根據(jù)PSO粒子群的個體顯著差異性，通過適應(yīng)度函數(shù)構(gòu)建，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的碼元序列滿足xt概率密度函數(shù)：

即工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的數(shù)據(jù)特征分布序列xt只與它的前n個元素有關(guān)，xtB。定義工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源在線調(diào)度的維度為，PSO 尋優(yōu)控制的個體最優(yōu)位置i1經(jīng)過i2，i3狀態(tài)變換，得到in+1。根據(jù)上述分析，結(jié)合PSO尋優(yōu)控制方法，進(jìn)行資源調(diào)度和優(yōu)化控制。

3.2 工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度優(yōu)化實現(xiàn)

采用粒子群尋優(yōu)算法實現(xiàn)對工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的分區(qū)塊聚類處理，結(jié)合分布式網(wǎng)格區(qū)塊聚類分析方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源自適應(yīng)調(diào)度和共享，提取工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的關(guān)聯(lián)規(guī)則特征集Ek={e1，e2，…，ek}，得到相似度特征集，采用應(yīng)用集成數(shù)據(jù)庫，實現(xiàn)工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源重組和優(yōu)化存儲，得到存儲輸出為：D={D1，D2，…，Dn}，在獨立隨機分布集中，根據(jù)內(nèi)存結(jié)構(gòu)的分塊化特征匹配σ，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的控制函數(shù)為，建立工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源內(nèi)存結(jié)構(gòu)重排和融合模型：

根據(jù)上述分析，結(jié)合特征聚類分析結(jié)果，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)資源調(diào)度的輸出可靠性特征值：

根據(jù)上述分析，得到云平臺數(shù)據(jù)中心資源調(diào)度的模糊參數(shù)分布集Uj，k，表示為：

式中，γ為工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的檢測閾值，結(jié)合PSO參數(shù)尋優(yōu)結(jié)果，實現(xiàn)資源調(diào)度優(yōu)化控制。

4 仿真測試分析

通過仿真實驗驗證本文方法在實現(xiàn)工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度和信息檢索中的應(yīng)用性能，實驗工具為Visual C++仿真工具，在SPSS數(shù)據(jù)分析軟件中實現(xiàn)對工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的統(tǒng)計分析，工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源分布的概念規(guī)格為800×800，數(shù)據(jù)采樣的長度為1200，工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的分布規(guī)模見表1。

表1 工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的分布規(guī)模

根據(jù)表1的數(shù)據(jù)參數(shù)設(shè)定，進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源仿真，通過對比本文方法與文獻(xiàn)[8]基于群體智能算法和文獻(xiàn)[10]深度學(xué)習(xí)算法，在不同的工業(yè)互聯(lián)云平臺服務(wù)器數(shù)量和調(diào)度內(nèi)容數(shù)量下的數(shù)據(jù)分布式調(diào)度結(jié)果，對比結(jié)果如圖2所示。

圖2 工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度輸出結(jié)果

分析圖2得知，本文方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的輸出穩(wěn)態(tài)性較好，這是由于本文建立工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源內(nèi)存結(jié)構(gòu)重排和融合模型，結(jié)合特征聚類分析結(jié)果，得到工業(yè)互聯(lián)云平臺數(shù)據(jù)資源調(diào)度的輸出可靠性特征，提高輸出穩(wěn)定性。測試資源調(diào)度的時延，得到結(jié)果如圖3所示。

圖3 調(diào)度時延測試

分析圖3得知，本文方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的時延較小，這是由于本文采用粒子群尋優(yōu)算法實現(xiàn)對工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的分區(qū)塊聚類處理，結(jié)合分布式網(wǎng)格區(qū)塊聚類分析方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源自適應(yīng)調(diào)度和共享，節(jié)約了工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度時間。

5 結(jié)束語

采用信息化的數(shù)據(jù)處理平臺，實現(xiàn)對工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度和信息化管理，本文提出基于粒子群優(yōu)化的工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度模型。通過大數(shù)據(jù)信息融合方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的動態(tài)分析和融合處理，提取工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的關(guān)聯(lián)信息，構(gòu)建工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的強語義對齊二元特征組，采用粒子群尋優(yōu)算法實現(xiàn)對工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源的分區(qū)塊聚類處理，結(jié)合PSO參數(shù)尋優(yōu)結(jié)果，實現(xiàn)資源調(diào)度優(yōu)化控制。研究得知，本文方法進(jìn)行工業(yè)互聯(lián)云平臺數(shù)據(jù)中心資源調(diào)度的延時較小，可靠性較高。