采用结构相似度定位数据库存储软件调度设计.docVIP

采用结构相似度定位数据库存储软件调度设计 　　摘要：提出一种基于结构相似度定位的数据库存储软件调度算法，首先构建大规模集成软件的数据库存储空间结构模型，对存储软件调度信息进行矢量重构和信息流模型构建，采用结构相似度定位方法进行数据库存储资源的特征提取和融合处理，以提高调度效率。仿真结果表明，采用该方法进行大规模集成软件数据库存储资源调度，效率与收敛性较高，吞吐性能较好，展示了较高的应用价值。 　　关键词关键词：结构相似度定位；数据库存储；存储软件 　　DOIDOI：10.11907/rjdk.161331 　　中图分类号：TP391文献标识码：A文章编号文章编号2016）007015203 　　0引言 　　随着计算机技术、信息技术的快速发展，产生了越来越多的数据信息资源。如何将这些大规模集成软件的数据库存储资源利用起来，放在一个公共访问区域，方便所有用户和科技工作者访问，从而提高大规模集成软件的使用率是下一代计算机信息技术发展需要解决的首要问题。现代集成软件调度和资源分布的弊端主要体现在资源分布地区差异大，不同地区资源持有程度严重不同，成为制约集成软件信息技术发展均衡的首要因素。另外，资源成本高、使用率低下、共享技术落后也是影响信息现代化发展的瓶颈。因此，需要研究一种高效的大规模集成软件的数据库存储资源优化调度算法，以提高集成软件的运行和开发效率＼[13＼]。 　　1大规模集成软件的数据库存储空间结构模型与信息流分析1.1大规模集成软件的数据库存储空间结构模型基础 　　为了实现对大规模集成软件的数据库存储资源优化调度，首先采用遗传算法构建大规模集成软件的数据库存储模型，进行数据存储结构编码。遗传算法通常用最简单的编码方式来表示一个相对复杂的问题，编码是变量集合，并对该编码集进行运算处理，最后再通过一组编码来表示遗传算法以及优胜劣汰的选择，同时对后面的搜索进行学习指导并确定一个搜索方向。 　　遗传算法在执行数据库大规模集成软件数据库存储空间结构的过程表述为：①首先随机产生一个任意种群，即所需求解问题一个解的集合；② 每个初始种群中的个体都应有一个解，每个个体携带基因的不同性质决定了每个个体特征不同，遗传算法通过一个适应度函数对每个个体特征进行辨别打分；③通过数据编码计算后，算法会根据每个个体的适应度配合不同的辨别选择方案，挑选出部分个体进入下一代，选择个体的策略应要让高适应度个体比低适应度个体更容易进入下一代，即高适应度个体进入下一代的概率要高于低适应度个体；④ 对选择出来的个体通过交叉和变异操作产生适应度更高个体，经过这样反复操作，种群多样性得到提高。通过上述分析，得到大规模集成软件的数据库存储空间结构模型如图1所示。 　　在大规模集成软件的数据库存储空间中，进行数据存储子空间的多维矢量特征重构。设在大规模集成软件的数据库存储空间进行软件分布式调度的概念格结点G1=（Mα1，Mβ1，Y1），G2=（Mα2，Mβ2，Y2），自适应网格分布的适应加权函数为：θ（t）=2π∫t/a-T/2（Kt0-t′）dt′=-2πKln（1-tat0）+θ0（1）其中，θ0=-2πKln（1+T2t0）为子代基因的中心矢量，用输入数据包传输和监测信息x（k）减去输出y（k），可以得到M个大规模集成软件数据库存储空间的节点采样，并得到大规模集成软件数据库存储空间的瞬时特征频率为：fia（t）=12πdθdt=Kat0-t=Kt0-t+（a-1）t0（2）其中，t0为初始采样时间检测，a为自然选择机制的软件特征信息的幅值，数据的聚类中心满足G1G2Y1Y2。将v插入有序集R1（u）中，由此实现数据库的结构分析和编码特征优化。 　　1.2数据库存储资源信息流模型构建 　　在上述数据结构和存储空间分析的基础上，构建数据库存储资源信息流，在C/S构架下的隐通道中进行数据采样，在数据库资源信息采样时刻t和t+τ进行信息特征提取，得到关联的初始化大数据资源子集为x（k-1），….，x（k-M）。假设信息流为数据序列{xn}，通过选择适当的相位θ1（k），在时间片Δ内令自适应权值（0）=0，通过子代基因逆转技术，对遗传算法进行变异处理，使得子代基因有更强的自适应能力。结合后续的子代基因逆转，设S为支配点u的环形区域，令A={a1，a2，...，an}为大规模集成软件数据库中特征矢量的模糊聚类中心，基于Internet的Web架构模式得到软件资源流数据库。简化用户操作数据库，扩展数据库应用范围，在软件调度子空间中的特征分解中心频率输出的矢量模型为：x1（t） 　　nM（t）（3）其中，根据方向矢量在时频域内的特征采样，以特征值降值排列，进行解析滤波处理，得到大规模集成软件数据库存储空间的指向性增益。采用波束形成方法