基础设施即服务(infrastructure as a service,IaaS)模式"云训练"是基于IaaS云计算提出的武器装备系统模拟训练的模式,根据用户需求对训练资源进行预测调度是提高训练效果的重要保证。分析了"云训练"中用户任务、资源需求特点,采用阈值法进行预处理,通过动态权值系综模型得到预处理结果。在此基础上,提出基于减法-模糊聚类的模糊神经网络的资源需求预测方法(subtractive-fuzzy clustering based fuzzy neural network,SFCFNN),并引入自适应学习率和动量项以提升收敛速度和稳定性。调度器根据预测结果实现用户需求与资源之间的动态匹配。实验表明该方法可精确预测用户资源需求,实现资源动态调度,有效提高资源利用率与训练效果。
IaaS(infrastructure as a service,基础设施即服务)模式云训练是一种以云计算为基础的新型装备模拟训练.云训练中,虚拟机的优化放置是提高资源利用效率、降低运行时资源调度工作量的基础.阐述了云训练的内涵,并对云训练中的虚拟机放置进行了数学描述.提出了一种改进的免疫克隆优化算法(MICOA),采用反向优化算法对初始抗体进行优化,通过变异概率与范围的自适应控制,保证算法演化初期抗体群的多样性与搜索空间的完备性,以及演化后期的局部寻优与最优解质量.引入抗体-抗体亲和度筛选最优抗体,保证抗体群的多样性.通过对虚拟机放置进行仿真实验,表明该方法可以有效提升资源利用率,实现系统综合优化目标.
针对网络化模拟训练真实感不强,训练效率低等问题,提出了一种Iaa S(Infrastructure as a Service)模式的"云训练"。阐述了"云训练"的体系结构和运行模式,研究了"云训练"的3项核心技术。通过GPU虚拟化技术解决云环境中终端用户3D图形图像处理能力弱的问题。根据模拟训练特点,建立用户需求模型,将模糊理论引入资源调度技术中,实现虚拟资源的动态调度;结合检查点回滚、虚拟机备份和虚拟机迁移技术,实现系统高效动态容错,保证了系统的稳定性与可靠性。实验证明,"云训练"系统改善了传统模拟训练系统中资源的按需共享能力,提升了资源利用率,保证了模拟训练效果。
