优化部署

优化部署（精选九篇）

优化部署 篇1

关键词：一级部署,性能优化,数据缓存,多线程,数据拆分

0 引言

国家电网公司在“十一五”期间, 经过SG186工程的实施, 电网信息化各项工作进展顺利, 业务信息化手段得到加强。随着公司深入推进“两个转变”、“三集五大”管理要求, 各业务部门在管理上均处于再上新台阶的关键时期, 业务的快速发展对信息化建设提出了更高的要求, 信息系统传统的总部、网省公司两级系统部署模式逐渐无法适应公司企业级的数据分析与辅助决策的要求。“十二五”期间, 国家电网公司在SG-ERP的发展规划中明确提出建立集约化管理的一体化信息通信平台, 并逐步过渡到大范围的统一集中、两级互联、数据共享, 一级部署模式系统建设势在必行。

一级部署模式具有先进性、高可靠性、易维护性、高性价比等特点, 具有加强总部管控、增强数据的可靠性、节约投资成本、降低运维工作量等优势, 但一级部署后业务系统用户呈几何级增长, 系统使用频繁程度、业务处理量及系统最大并发人数激增, 如果设计、开发存在缺陷或运行环境规划不合理, 系统极有可能出现性能上的问题, 更严重的会导致因服务器无法满足业务应用负载的要求而出现系统崩溃等意外事故。

1 系统架构及关键性能因素

电网资产质量监督管理系统是国家电网公司为提高公司电网设备采购、安装、运维和退役全过程质量管理水平, 在保障电网运行安全的基础上, 充分发挥资产的效益而建设的质量指标考核和决策分析系统。鉴于系统对公司设备数据的完整性、准确性、统一性有较高的要求, 同时考虑到公司信息化硬件资源和系统运维资源整合, 系统部署方式采用公司总部一级部署, 各网省公司通过电力广域网访问并使用系统。

1.1 系统部署架构

采用一级部署的电网资产质量监督管理系统部署架构如图1所示。采用一级部署后, 公司总部和各网省公司用户通过电力广域网, 经负载均衡器访问系统前端展现服务器群集, 前端展现服务器根据用户请求访问分析决策服务器群集或数据库服务器, 后端存储采用磁盘阵列, 其主要硬件配置见表1所列。

1.2 关键性能影响因素

系统采用一级部署, 通过对应用系统和业务数据的统一、集中管理, 保证了业务分析所依赖的基础业务数据的完整性和准确性以及业务流程的统一性, 节约了系统硬件及运维资源的投入。但由于在一级部署模式下, 原来分散在各网省公司系统的用户和业务数据都将集中至总部系统中, 用户并发访问量及业务数据规模都是原两级部署方式下系统的30倍左右, 系统性能问题将突显出来。影响系统的关键因素主要包括以下3个方面。

1) 并发用户数大。系统注册用户约8万, 由于系统的应用功能以周期性 (月度、季度) 指标考核和周期性 (月度、季度) 决策分析为主, 系统用户呈明显的月初和月末集中访问, 且持续时间长等特点, 高峰期并发访问用户约为1 600人。

2) 数据读取量大。电网资产质量监督管理系统是数据管理与决策分析类系统, 其分析结果的准确性和有效性在很程度上将取决于基础业务数据是否完整。因此, 各应用功能完成一次分析所读取的数据量大, 部分应用功能完成一次全公司的分析需要读取3 GB的基础数据。

3) 业务数据规模大。由于系统由全公司的业务数据进行集中的存储与管理, 并根据系统的需要保存了历年的基础业务数据。系统上线首次即需要导入基础业务数据1 TB左右, 其中, 单个类型的业务数据达2亿条左右。

为了优化系统性能, 提高系统的吞吐量和可靠性, 电网资产质量监督管理系统设计与研发过程中一方面从硬件架构入手, 采用负载均衡器、应用服务器群集和Oracle RAC等手段保障了系统硬件架构对负载的均衡能力和水平可扩展性;另一方面从软件设计入手, 采用应用级业务数据缓存[1]、并行计算、优化数据分布和加强数据访问控制等手段。下面将重点介绍从软件设计角度来优化系统性能的手段与方法。

2 系统性能优化

针对电网资产质量监督管理系统一级部署后, 并发用户数大、数据读取量大、业务数据规模大3种重要的性能影响因素, 系统软件采用增加应用级数据缓存, 充分利用应用服务器内存资源, 以降低并发用户多和数据读取量大带来的网络带宽和硬盘读写性能瓶颈;适当增加系统分析计算并行程度, 利用多线程技术提高对多核CPU的利用率;优化数据存储结构, 根据业务特点横向切割业务数据, 以减小重点业务功能数据检索范围, 提高数据读取效率;集中管理系统应用层对数据库的数据访问, 隔离系统应用层和数据层, 为底层数据的扩展与切割提供基础。

经反复测试、分析、调整, 上述的4种性能优化手段已成功应用于电网资产质量监督管理系统, 提高了系统的响应效率, 达到了性能优化的目标。

2.1 应用级数据缓存

应用级数据缓存是建设高性能、可伸缩应用系统的一种重要方法。电网资产质量监督管理系统使用分析决策服务器的内存资源, 将那些频繁访问的、而又不需要经常更新的数据一次性加载至系统内存中, 利用内存读取速度方面优势 (是普通硬盘的100多倍) , 一方面提高系统对数据读取效率, 另一方面减少了数据从数据库服务器通过网络传输的时间和网络带宽的影响。

根据电网资产质量监督管理系统的业务特点, 对以下几类业务数据进行了缓存。 (1) 资产台账数据。该类数据描述了电网设备资产的型号、投运时间、电压等级、资产单位、生产厂家等静态信息, 其变化频率较低, 但也是分析资产质量水平必不可少的基础数据之一。 (2) 业务编码数据。该类数据均以标准规范的形式下发, 以数字或字母来表达丰富的业务信息, 基本无变化, 决策分析时需要大量采用。 (3) 组织机构及人员信息。该类数据描述了资产管理单位及相关人员信息, 是设备资产所有者, 除公司大的调整以外, 变化较少且变化频率较低。

缓存数据在服务器启动时集中加载至分析决策服务器内存中, 当用户通过某一前端展现服务器更新了数据内容时, 需完成当前所访问的服务器、数据库服务器、群集中其他服务器之间的缓存数据同步, 以保证各个分析决策服务器数据的无差异性。为此, 系统基于Web Logic Java消息服务 (Java Message Service, JMS) 建立了一套有效的缓存数据同步机制, 其缓存数据同步流程如图2所示。

其中JMS采用发布/订阅模式 (Publish/Subscribe) , 4台分析决策服务器既是消息的发布者也是消息的订阅者。当群集中任一节点发生事务操作, 产生缓存数据的更新, 节点在完成自身缓存和数据库数据更新后, 发送同步信息至JMS服务器, 群集中其他节点获知更新信息来读取数据库数据, 实现同步。同时, 由于JMS消息系统的规范, 在业界已经得到广泛的应用, 因此, 采用JMS开发的同步群集数据缓存插件也具有良好的移植性。

电网资产质量监督管理系统通过建立应用级业务数据的缓存同步机制, 实现了对部分业务数据的缓存以及同步, 降低了系统运行时对磁盘数据的访问量, 解决了磁盘I/O和网络带宽所带来的系统性能瓶颈。

2.2 多线程并行计算

随着硬件技术的发展, 多核处理器上CPU核数越来多, 如何高效地利用CPU的计算资源以满足系统负载的需求也是提高系统性能的重要手段之一。

在优化电网资产质量监督管理系统性能的前期, 对系统进行性能测试时发现, 数据库服务器CPU总使用率偏低, 但分析计算的效率却不高。深入分析发现, 当启动一个任务时, 前半段为数据读取阶段, 16颗CPU均处于低负载状态, 后半段为数据处理和计算阶段, 16颗CPU中只有3颗CPU的使用率达到60%, 其余的CPU的使用率不到5%。

为了提高对多核CPU资源的利用率, 系统改变原有单任务单线程执行的模式, 对每个分析任务分解成多个可并行的子任务, 利用Java5.0中添加的对并发性的支持建立系统线程池, 采用多线程实现并行计算[2,3,4]。

决策分析服务器在启动阶段预先创建一定数据量的线程放入线程池中, 其中线程池初始化的大小可以根据服务器的性能, 通过静态配置文件进行设置, 并且让线程处于等待状态, 当有分析任务请求到来时由主线程对分析任务进行分解, 唤醒线程池中多个线程接受子任务处理请求, 各子线程处理完成后通知主线程, 相应的线程进入线程池, 等待下一次任务的调用, 主线程完成各子任务计算结果的汇总, 完成整个分析任务, 输出结果。系统所采用线程池工作机制如图3所示。

电网资产质量监督管理系统通过采用线程池机制, 多线程执行分析任务, 其负载可由原来只分布在3颗CPU上调整为均匀分布至8颗CPU上, 分析任务的执行效率也提高了近30%。

2.3 数据分布策略

电网资产质量监督管理系统在分析数据时所涉及到的动态数据仍需要通过直接访问数据库同步获取数据的方式来完成, 要提高这部分数据读取的效率, 改善数据存储结构, 通过合理的数据切分, 减少数据检索范围是最为有效的优化手段。

首先, 根据电网资产质量管理业务特点, 系统将访问较为频繁的2年内基础动态业务数据作为当前数据保存在系统当前业务数据库中;将2年之外的历史数据切分出来, 作为归档数据保存至历史数据归档库中, 并以季度为单位, 周期地进行历史数据归档, 可以有效地降低数据库的整体规模, 提高数据库管理和维护效率。

其次, 根据电网资产质量管理业务以各网省公司为维度进行分析管理, 系统将同类的业务数据, 按单位进行水平切分成多张业务数据表, 并由单位编码字段决定业务数据将分布至哪张表中, 可以将单张业务数据表的数据规模控制在百万级, 大大缩小数据检索的范围, 有效地提高数据检索效率 (见图4) 。

电网资产质量监督管理系统通过优化底层数据存储结构, 采用历史数据归档, 当前业务数据水平拆分手段, 降低了业务数据检索的数据范围, 提高了数据检索效率, 缓解了分析决策类系统数据库压力大的共性问题。

2.4 数据访问控制

电网资产质量监督管理系统将应用层的数据访问集中至数据访问中间层[5]进行控制管理, 作为数据访问的控制和管理层, 其本身并不能提高系统的数据访问与处理效率, 但它通过对应用层和数据层的有效隔离, 实现灵活的数据访问调度, 使得数据缓存和数据拆分得以很好地运用于系统中, 并为系统提供了良好的可扩展性。系统数据访问中间层的功能结构如图5所示。

数据访问中间层功能主要包括: (1) 为业务应用层提供数据查询及数据操作接口, 其主要参数为系统自定义的LSQL, 返回业务应用层所请求的数据结果集; (2) LSQL的解析与路由, 完成应用层提交的LSQL, 根据数据拆分规则以及数据缓存的范围, 判断该语句所涉及的数据分布在哪个数据库或缓存中, 再将该语句转换成相应的数据库SQL语句, 或缓存数据读取语句进行执行; (3) 数据拆分规则管理, 主要管理数据库分布规则, 为LSQL的解析与数据来源的确定提供依据; (4) 数据源的配置与管理, 管理数据库连接以及数据访问语句的分发。

电网资产质量监督管理系统通过数据访问中间层, 实现了数据访问操作的集中管理, 是应用层和数据层连接的桥梁, 有效地实现了应用层与数据层的隔离, 屏蔽了系统数据存储结构后继扩展和优化对应用层所产生的影响, 为系统提供了良好的可扩展性。

3 结果分析比较

上述4种优化手段及方法已在电网资产质量监督管理系统中得到应用, 并取得了良好的效果。基于BEA Web Logic Server 9.0, RHEL5, Oracle 10g, AIX系统平台测试环境, 系统优化前后性能对比结果见表2、表3所列。

从表2、表3可以看出, 系统性能得到了很大程度的提高。

4 结语

本文主要从应用级数据缓存、多线程并行计算、数据分布策略、数据访问控制几个方面解决了系统一级部署并发用户数高、数据量大、系统使用频繁等严重影响系统性能的问题, 使得电网资产质量监督管理系统在系统优化后的性能得到了很大程度的提升, 满足了上线使用的需求。

参考文献

[1]吕焕群, 翁将锋.基于WEB的大型Oracle应用系统性能优化方法研究[J].计算机应用与软件, 2012, 29 (5) :184–187.

[2]陈冠诚.多核与异步并行[J].程序员, 2012 (9) :128–130.

[3]邱硕.Cobar的架构与实践[J].程序员, 2012 (9) :90–93.

[4]张晓芳, 李国微, 兰小玲.Java Servlet模式的WebGIS性能优化研究[J].计算机应用研究, 2011, 28 (11) :4222–4224.ZHANG Xiao-fang, LI Guo-wei, LAN Xiao-ling.Java Servletbased WebGIS performance optimization[J].Application Research of Computers, 2011, 28 (11) :4222–4224.

优化部署 篇2

尊敬的各位领导：

下面我就优化行政审批流程工作提点意见和建议。

近年来，通过多次精简和梳理，结合“两集中、两到位”工作的落实，我区行政审批改革取得了很大的成效，行政审批项目不断缩减，办事时限不断缩短，办事环节逐步减少，办事服务水平得到提升，行政审批流程不断趋于规范化和透明化。但随着经济发展和社会管理深化发展中提出的新要求，原有的行政审批体制影响了社会和经济发展。

一、存在的问题

1、少数行政审批部门没有很好地执行首席代表制，对窗口授权不到位，办事者既要跑行政服务中心，又要跑窗口单位，增加了办事环节，影响了办事效率。

2、由于与市同城，我区行政审批服务功能受到制约。具体表现为：一是行政审批服务事项较少，区里重大项目和招商引资的项目只能到市里才能办理，区里没有办理权限。二是一些行政审批事项尽管在区里办理，但办理环节中还有一些事项必须在市里办理，比如区建设局的基本建设项目报建；区环保局的建设项目环境评价报告等。由于服务功能的制约，区行政服务中心“联审联办”和建设项目“绿色通道”以及行政审批代理制工作根本无法开展。

3、少数部门行政审批事项办理时限执行不规范，特别是涉及市里办理的行政审批。对一些承诺件的办理，虽然目前推行了全省网上审批电子监察系统，但少数部门存在事后录入和补录的现象，没有做到省里“983”的要求，即：98%的行政审批事项在3个工作日内办理完毕。

二、对策和建议

1、简政放权，提升服务效率。给县区更多自主权，有利于促进地方经济社会发展。近年来，我区全力推进工业和现代服务业发展，在招商引资过程中，投资商反映项目审批过程中存在效率低、时间长的现象，影响项目进展。由于与市同城，我区行政审批服务职能受限，很多项目建设审批服务工作需到市里才能办理，相关审批部门缺乏联审联办机制，影响审批效率，部分建设项目存在未批先建的情况。建议市里能下放审批的权限尽量下放审批，比如涉及到乡镇规划审批权限问题，建议市里下放乡镇规划审批权限，提高办事效率，增强我区项目建设审批服务职能，提高我区行政审批服务效率。

2、缩短流程，简化审批环节。进一步深化行政审批“两集中、两到位”工作，推进各部门的行政职能归并工作，设立单设的行政审批科（股），将受理、审核、审批、缴费等审批全过程集中在窗口完成，对办事流程进行精简再造，做到授权到位，使得各窗口做到既能够办证，又能够办事。

3、与时俱进，清理过时审批权限。最近国务院发布《关于取

消和下放一批行政审批项目等事项的决定》，根据上级要求，建议尽快取消一批不合时宜、门槛过高、与现行政策不符，与市场经济不符的审批权限。

针对更黄66块部署开发方案的优化 篇3

关键词：开发；更黄66块；部署；注水；调整

中图分类号： P618.13 文献标识码： A 文章编号： 1673-1069（2016）10-138-2

1 区域地质概况

更黄66块地理位置位于辽宁省大洼县东风农场霍马堡西北海军农场东北约350m，构造上位于黄金带断裂背斜构造带北部。该块油层主要分布在下第三系沙河街组一段下部和三段上部。沙一下Ⅱ油组含油面积2.16km2，石油地质储量70.3×104t；沙三上Ⅱ油组含油面积0.71km2，石油地质储量48.4×104t。

2 开发简况

2.1 开发历程

更黄66块于1982年部署第一口井—黄66井，该井由于受井喷影响，钻杆完井，生产时间很短，仅累计产油3838吨，累计产水4方。1987年部署黄01-10井，在沙三段未见到产能。2001年部署了更黄66井，初期由于未动用沙三段Ⅱ油组，因而产能较低，至2005年2月，更黄66井补层沙三段Ⅱ油组，见到较好产能，使得断块产能得到提高。

通过对区域地质特征、储量上报及老井试油试采情况进行研究，认为该区具有较大的勘探开发潜力，通过对黄66块沙一下储层与构造配置关系研究发现黄66-5井区沙一下为岩性油气藏，射开黄66-5井沙一下目的油层，日产油15吨，不含水且产量稳定，该井试采成功证实了背斜侧翼岩性油气藏勘探开发潜力。

截至2015年11月，区块共有油井8口，开井4口，日产液15.46t，日产油5.66t，综合含水63.4%，采油速度 0.95%，累采油8.6704×104t，累采水1.9054×104t，地质储量采出程度 6.78%；水井2口，开井两口，日注水40m3。（表1）。

2.2 开发现状

黄66块开发中存在的主要问题是：靠天然能量开发，无能量补充，地层压力水平不断降低。

沙三上原始地层压力为35.7-38.13MPa，压力系数1.13-1.24，至2011年4月，黄66-5井实测油层中部深度3353.15米，地层压力为26.405MPa，压力系数为0.79，地层压力下降明显。

沙一下原始地层压力为25.79-25.91MPa，压力系数0.966-1.005，至2011年11月，黄66-5井实测油层中部深度2791.9m，地层压力18.48MPa，压力系数为0.66，地层压力明显下降。

地层压力的下降直接导致油井产能的降低。黄66-2井2008年12月投产，生产层位S3，初期日产液12.2t/d，日产油10.0t/d，目前该井低产关井；黄66-5井，2010年10月投产，2011年11月生产S1段油层，初期日产液14.6t/d，日产油14.5t/d，目前降至日产液9.8t/d，日产油9.7t/d。

以上问题说明，黄66块必须改变目前依靠天然能量开采的开发方式，尽快实现注水开发，达到补充地层能量、改善开发效果、提高采收率的目的。

综上所述，黄66块背斜侧翼岩性油气藏开发潜力大，地层能量不足，需要进行调整开发，以达到增储上产的目的

3 开发方案分析与优化

3.1 地层特征及层组划分

研究区内钻井已揭露地层自下而上顺序为：下第三系沙河街组（未穿）、东营组；上第三系馆陶组、明化镇组；第四系平原组。

沙三上段自下而上分为三个砂岩组：S3上III、S3上II、

S3上I。

层组划分以岩心为认识基础，以电性特征认识全区，古生物确定地层界限，标志层控制层组，旋回性做逐级控制，厚度作为参考，逐步细分到砂岩组与小层。具体划分方法是以黄45井为中点，以背斜中部井为南北剖面，以点到面、扩展到全区。

通过对黄金带油田全区井的对比，及对于楼油田南部的认识，在东营组、沙河街组内找到以下不同级别的标志层。

对比分层，在原有的划分砂岩组的基础上，增加了S1上的细分砂岩组工作，将其划分三个砂岩组。S3分为三个砂岩组。d3以上由于油层分布的局限性，在潜力区块内细分到小层。

3.2 通过精细三维地震解释和地质研究落实区块构造

对整个研究区的Ed3、Es1下、ES3上I底界反射层进行了追踪对比，编制了更黄66块的构造图。

黄66块（S3上）是被呈北东向和北西向的四条断层所夹持的南高北低的单斜构造，高点在黄66-2井附近，高点埋深3185m左右，构造面积0.81km2，构造幅度145m。

黄66块（S1下）位于黄金带-于楼断裂背斜构造带西翼，是被呈北西向断层复杂化、节节南掉的断块，断块西北低，东南高。

3.3 油气水分布特征及油藏类型

更黄66井区在纵向上发育多套油、气层，井段长，层位多，发育分散。

沙三上Ⅱ砂岩组油层厚度0-44.5m，主要分布在更黄66等井附近，油层向两侧减薄，靠近西北向断层，油层不发育，说明西北向断层对油层展布具有一定控制作用。

沙一下Ⅱ砂岩组油层厚度0-10m，主要分布在黄01-10等井附近，油层展布主要受断层和岩性双重控制。

沙三上油藏特点：岩性-构造油藏，根据更黄66块投产油井沙三上生产情况，所有井都未出水（黄01-10井位于构造低部位，生产沙三上，也未见水），所以更黄66块沙三上为纯油油藏。

沙一下也属于构造—岩性油藏。构造高低、储层发育状况决定油藏丰度。来自于扇三角洲前缘亚相水下分流河道的砂体沿构造斜坡向上翘方向尖灭形成岩性圈闭，圈闭边界为断层或被断层复杂化。油源主要来自于驾掌寺洼陷，驾掌寺洼陷形成的油气沿着驾掌寺断层运移到更黄66井区，在有利的储层、岩性圈闭中聚集成藏。

3.4 在有利部位实施新井部署

在落实区块构造、油层分布并依据周边邻井的生产情况后，在沙三部署两口新井，沙一部署一口新井。

3.5 提出合理的注采开发调整方案

更黄66块目前采用不规则井网开发，沙三段井距200-230m，沙一段井距200m，井距适中。更黄66块砂体发育稳定、连通程度高、储层物性好，具备实施注水开发的条件。

注水井的选井原则：

①平面上布局尽量合理，最大限度提高多向受效井；

②尽量转注目前低产、高含水或停产井，最大限度减少产量损失；

③转注井的选择要砂层发育比较稳定，处于有利的沉积相带上，与周围井连通程度高；

④井身结构相对简单，作业工作量小；

⑤转注井固井质量较好。

经研究确定注水井分别为更黄66井（注水层位为S3上Ⅱ）和黄01-10井（注水层位为S1下Ⅱ）。更黄66井注水的受效井为黄66-1、黄66-2、黄66-3、黄66-7、黄66-H2，黄01-10井注水的受效井为黄66-5、黄66-8。

3.6 完善注采井网

由于更黄66块一直依靠天然能量开发，无能量补充，地层压力水平不断下降。為了达到提高采收率的目的，注水开发成为了必然。因此，经综合研究决定，2013年，在精细油藏地质认识的基础上，更黄66块实施油井转注2口，使用简易橇装注水装置实施注水，注水分两个注水井组S3上Ⅱ油组、S1下Ⅱ油组。年累计注水6787m3。该块实施注水开发将会对稳定产能、延缓递减起到积极的作用。

S3上Ⅱ油组：注水井为更黄66井，受效井为黄66-1、黄66-2、黄66-3、黄66-7、黄66-H2。

S1下Ⅱ油组：注水井为黄01-10井，受效井为黄66-5、黄66-8。

4 结论与认识

在对更黄66块地质特征及构造、储量等再认识基础上，部署三口新井油气显示好，产量较高，提高了整个区块的储量动用程度。说明对该块开发调整认识正确，为今后新井部署提供了可靠的地质依据。

植物生长补光灯优化部署模型 篇4

光照在植物生长过程中起到至关重要的作用, 对于植物的生长发育、生理生化特性和形态结构等方面都有重要影响[1]。在自然环境中, 光环境随着时间和空间的变化而变化, 如光质、光照强度、光照时间和光谱成分的改变[2 - 4], 都对植物有着深刻的影响。因此, 植物补光灯在设施农业中得到大规模的应用和推广[5], 补光灯的类型也呈现多种多样的趋势, 这使得植物在生长过程中可以得到较为充足的光照[6 - 7]。但由于大部分补光灯的部署只是依靠经验简单的距离和高度估计或者等间隔的悬挂, 未考虑光照空间分布不均匀导致有光照不足的地方或者补光灯过密以及悬挂高度过低导致的光照强度过强给植物造成伤害等现象。

针对以上问题, 本文研究了两种基于光强场分布的温室补光灯优化部署模型, 本实验以高压钠灯、矩形LED补光灯为例进行模型设计[8], 分析植物生长所需光照强度与补光灯排布的关系, 从而合理的部署补光灯, 减少节点的冗余带来的能源浪费和光照过强对于植物的伤害以及光照分布不均导致局部光照不足无法很好地促进植物生长等问题。在充分利用光照的情况下, 最大程度地节省节点个数、减少能源的浪费、科学有效地促进植物的生长发育。

1光照强度与距离的关系

由几何光学的强度定律可得

其原理示意图如图1所示。

在均匀媒质中, 光线是直线。设R1和R'1是线段A1B1和B1C1的主曲率半径、dθ 和d 是A1B1和B1C1对各自曲率中心Q和Q'的张角、l是d S1和d S2之间的光线长度, 则

其中, 1 /R1R'1为面积的高斯曲率, 式 ( 6) 表明, 直线光线上任一点的强度与通过该点的波阵面的高斯曲率成正比[9]。简化后所得模型公式如下

其中, l1为两测量点之间的直线距离。因此, 在光源的照射范围内, 两个距离光源距离不同点处的光强与其距离光源的距离成反比关系。此关系可近似用于模型优化点光源的光强分布计算。

首先, 在选择植物补光灯时应考虑栽培植物所需的光照强度, 由光强与距离的平方反比关系, 估算出所需光源的功率。选择合适功率的光源对于植物的生长具有重要作用, 光照过强容易导致光合午休现象, 甚至对植物造成伤害, 起不到补光的作用; 光照过弱时, 植物依旧无法获得充足的光照进行有效生长, 造成植株比较脆弱。可见, 适宜的光照强度能有效促进植物的生长, 所以选取合适功率的补光灯是给植物补光的前提。

2圆形单光源补光灯模型

2. 1圆形单光源补光灯光强空间分布模型

本模型以普通的高压钠灯为原型, 对其进行空间光强分布分析, 综合光照强度、灯的悬挂高度和辐射面积等多因素, 从而对该模型进行分析并建立高压钠灯的空间光照强度分布模型。图2所示为高压钠灯实物图。

高压钠灯空间光强分布模型的建立首先需要根据植物所需光照强度等因素确定灯的悬挂高度, 然后利用光强与距离的关系确定半中心光强边界。半中心光强边界确立后, 让相邻补光灯的半中心光强边界相互重合, 半中心光强边界的重合可以使光照均匀和节能效应增加。此时, 便可根据该边界对补光灯的悬挂位置进行确定。这样确定的补光灯位置能使温室内的光照尽可能均匀, 以保证整个温室中各处的植物能接受尽可能相同的光照强度, 植物所接收到的光照能较科学合理的促进植物的生长。因此, 半中心光强边界的确立可以有效地为植物补光灯的部署提供科学的依据, 对于促进植物的有效生长和种植有重要意义。高压钠灯光强空间分布模型如图3所示。

2. 2圆形单光源补光灯温室部署模型

根据圆形补光灯光强空间分布模型设计圆形补光灯温室部署模型。使用这个模型在实际温室部署时可根据作物所需的光强、温室的大小和高压钠灯的辐射范围等因素进行相应的调整。图4为圆形补光灯的温室部署模型的俯视图示意图。

本模型是建立在高压钠灯的光强空间分布模型的基础上, 以半中心光强为突破点, 对补光灯的部署进行合理优化。当补光灯部署过于稀疏时, 两灯之间的重叠区域的光强无法达到植物所需的光强值, 即无法达到有效补光的目的; 补光灯部署过于密集时, 灯与灯之间的重叠区域过大, 导致重叠区域内的光强过强, 容易引起光合午休现象, 甚至对植物造成伤害。 这样不仅不容易达到促进植物生长的目的, 还会造成资源浪费。

本模型适用于圆形点光源式植物补光灯, 以有效促进植物生长和节约资源为目的, 对补光灯的部署进行科学、合理的优化。

3矩阵多光源补光灯模型

3. 1矩阵多光源补光灯光强空间分布模型

矩形补光灯模型以矩形LED矩阵灯为例进行分析。现有LED矩阵植物补光灯多以红蓝光LED灯珠为基本单位构造。由于植物光合作用所吸收的可见光波段主要集中在红光和蓝光两个波段, 所以矩形LED矩阵补光灯能有效的节约能源。 本模型是以LED矩阵植物补光灯为原型, 对其进行空间光强分布分析, 构造空间光强分布模型。LED矩阵补光灯实物图, 如图5所示。

由于LED矩阵补光灯由多个LED灯珠组成, 所以灯具发出的光不满足前面提到的平方反比定律。 为了构造简易物理模型, 假设在灯具上方有一虚拟点光源, 所有的光均由这个虚拟光源发出, 辐射面积近似为矩形。这样, LED矩阵补光灯就可以运用平方反比定律, 为后面的温室LED矩阵补光灯模型的建立提供理论依据, 图6为LED矩阵植物补光灯的光强空间分布模型。

该模型是以假想的虚拟光源为点光源, 以平方反比定律为理论依据构造出矩形灯的光强辐射模型。 在使用LED矩阵补光灯对植物进行补光时, 首先需要根据植物所需光强, 再由红蓝光在所接收的可见光的比例等数据可计算出LED矩阵补光灯的光强, 进而由平方反比定律和LED矩阵补光灯的功率可以确定补光灯的悬挂高度。由此确定的半中心光强边界可以用于LED矩阵补光灯的温室部署模型的建立。

3. 2矩阵多光源补光灯温室部署模型

由LED矩阵补光灯光强空间分布模型的特点可以建立其温室部署平面模型。根据该模型对补光灯的部署进行优化, 使得温室内的光强较均匀的分布, 同时可以达到科学促进植物有效生长的目的。图7为该模型的部署示意图。

本模型建立在LED矩阵补光灯光强空间分布模型的基础上, 以相邻灯的辐射半中心光强边界为重合边界, 以达到光照均匀分布的效果。该类模型以构建虚拟点光源并确立半中心光强边界为主要突破点, 依据光强空间分布特点构造该模型, 达到合理部署补光灯并有效促进植物生长的目的。本模型适用于辐射面积为矩形多光源的补光灯的部署。

4结论与分析

1) 本文主要介绍了以高压钠灯和LED矩阵补光灯为原型的两种常见的圆形单光源和矩形多光源的植物生长补光灯的温室部署模型。圆形单光源补光灯以平方反比定律为基础进行抽象得到相关的光强空间分布模型, 然后根据半中心光强边界得到温室部署模型。矩形多光源补光灯的模型建立于构建虚拟光源的基础上, 以虚拟光源为点光源, 利用平方反比定律建立模型, 同理可得到矩形多光源补光灯的光强分布模型和温室部署模型。由相同的原理可以得到圆形多光源补光灯辐射模型和矩形单光源补光灯辐射模型。温室中常用的补光灯还有带状补光灯, 这种补光灯的模型可等效于矩形补光灯的模型。

2) 考虑植物所需光照与补光灯的功率等因素, 确定补光灯部署的高度与补光灯间的间距, 构建这两种灯的光强空间分布模型和温室部署模型。该温室部署模型解决了这两种常见补光灯的部署问题, 不再是以简单的估计进行悬挂, 而是有了科学合理的依据。 依据该模型对补光灯进行部署使得资源得以合理的配置、温室内的光强符合植物的生长所需并较均匀的分布。该模型能有效地促进植物的生长, 达到增产增收的目的。

参考文献

[1]Ramalho J C, Marques N C, Semedo J N, et al.Photosynthetic performance and pigment composition of leaves from two tropical species is determined by light quality[J].Plant Biology, 2002, 4 (1) :112-120.

[2]Naoya Fukuda, Mitsuko Kobayashi, Masami Ubukawa, et al.Effects of light quality, intensity and duration from different artificial light sources on the growth of petunia (Petunia×hybridaVilm.) [J].Journal of the Japanese Society for Horticultural Science, 2002, 71 (4) :509-516.

[3]丁久玲, 郑凯, 于禄生.浅析光、温、水对室内植物生长发育的影响[J].浙江农业科学, 2012 (10) :1458-1461.

[4]胡阳, 江莎, 李浩, 等.光强和光质对植物生长发育的影响[J].内蒙古农业大学学报, 2009, 30 (4) :296-303.

[5]徐志刚, 丁为民, 崔瑾, 等.组培室补光光源应用分析与评价[J].农业机械学报, 2001, 32 (5) :62-64.

[6]胡永光, 李萍萍, 邓庆安, 等.温室人工补光效果的研究及补光光源配置设计[J].江苏理工大学学报, 2001, 22 (3) :37-40.

[7]朱静娴.人工补光对植物生长发育的影响[J].Corp Research, 2012, 26 (1) :74-78.

[8]曲溪, 叶方铭, 宋杰琼, 等.LED灯在植物补光领域的效用探究[J].灯与照明, 2008, 32 (2) :41-45.

优化部署 篇5

防空导弹体系部署是对空作战行动的一项重要内容, 部署是否合理将直接影响防空作战效能的发挥。目前, 防空导弹体系的部署, 通常是按照武器系统作战地域环境、空袭目标的特性、敌方可能采用的空袭战术等因素, 依据防空武器组网的基本原则, 指挥员的作战经验进行部署, 这种部署有一定的盲目性和随意性。因此, 本文在遵循定形理论的基础上, 应用SA算法, 定量研究防空导弹体系组网部署优化问题。

2 SA算法思想

模拟退火算法提出于上世纪80年代初, 其思想源于固体退火过程, 将固体加温至充分高, 再让其徐徐冷却, 加温时, 固体内部粒子随温度升高变为无序状态, 内能增大, 冷却后, 粒子逐渐有序, 在每个温度都达到平衡态, 最后在常温时达到基态, 内能减为最小。根据Metroplis准则, 粒子在温度T时趋于平衡的几率为exp (-ΔE (kT) ) , E为温度T时的内能, ΔE为其改变量, k为Boltzmann常数。在组合优化问题中, 目标函数类似物体内能, 温度为控制参数, 在给定防空武器性能限制的条件下, 通过SA算法使其达到最优组合。

3 SA算法模型

3.1 目标函数

E (T*) =Min (E (Ti) ) , 式中E (T*) 为最优能态, E (Ti) 为温度Ti下的能量, i=1, 2, …, 优化布防的目标函数是指在所有温度状态中寻找一个状态T, 使T*=T, 达到全局最优值。

针对防空导弹的布防问题, 我们将问题简化, 假设防御目标为一点, 投弹圈为一圆形, 如图1:以防御目标为中心, 投弹圈半径为起点, 以等间距为半径的圆延伸到该武器负责的防御纵深最远处。再以0度为起点, 以等角度的方位线将该图形分割成若干小扇形区域。扇形的大小取决于分割方位线的密度和各分割圆的半径。分割小扇区即是防空导弹可能布防的位置。

在某些情况下, 防空武器是按指定防御方向进行火力配置的, 这时只需按类似方式分割扇环即可。

防空导弹在不同高度上有不同的杀伤区远、近界和最大航路角 (杀伤扇形区域, 若为全向武器, 则可以考虑圆环) 。由此我们可以形象的画出杀伤区在分割圆环上的情况, 如图2。

记Si为分割扇形, e (Si) =xi×αi×Ri, 则目标函数可表示为, i=1, 2, …, M。M为分割扇形总数量。其中xi为权值, 0<xi≤1, 表示该分割扇区的重要程度, 越靠近保卫目标, 权值越大。

从目标函数, 我们可以看出优化原则, 尽可能的覆盖所有防空区域, 不留空挡, 同时尽可能的提高杀伤概率, 即防空效能。

3.2 状态生成函数[1]

新状态是指在温度t下, 导弹布防位置的变更。位置变更后, 通过目标函数的计算, 我们可以得到不同布防, 目标函数值的不同。在此我们利用均匀分布生成新生态的概率分布, 在[0, M]内的随机数利用同余发生器生成, 公式定义如下:

式中, Zi是一个整数系列, 这个系列即是新生态下导弹布防的位置 (分割小扇区号码) , M是模数, 也是分割扇形的总数量, α是乘数, C是增量, 整数M, α, C

利用状态生成函数, 可以不断得到新的布防状态。

3.3 状态接受函数[2]

根据状态接受函数给出的接受概率值, 决定是否接受或放弃, P=1/ (1+exp (ΔE/T) ) 。

其中, T为温度控制参数。

3.4 温度控制函数

温度控制我们选取快速退火方式, 公式为Tk+1=α/log (1+Tk) , 式中α可以改善退火曲线的形态, 这种退火方式的特点是在高温区温度下降的速率快, 在低温区速率变慢, 有利于快速可靠的找到最优解, 因为最优解处在低温区。

3.5 SA算法过程[3]

1) 给定模型参数变化范围, 在范围内给定初始状态, 记为E (t0) ;

2) 利用状态生成函数, 对当前模型进行扰动, 产生新的模型t, 计算相应的目标函数值E (T) , 得到ΔE=E (t) -E (t0) ;

3) 计算温度差, 若ΔE<0, 则新模型t被接受;若ΔE>0, 则根据状态接受函数按概率P=1/ (1+exp (ΔE/T) ) 进行接受, T为当前温度, 若模型被接受, t0=t;E (t0) =E (t) ;

4) 在温度T下, 重复一定次数的扰动和接受过程 (步骤2, 3) ;

5) 利用温度控制函数, 缓慢降低温度T;

6) 重复步骤2至步骤5, 直至收敛条件满足为止。

4 总结

笔者在实际工作的基础上, 总结经验, 结合模拟退火算法, 给出了适合工程使用的简便布防算法, 在不考虑目标流的情况下, 从导弹本身性能及相对位置去考虑布防, 优化的原则是尽可能的不出现空挡, 利用杀伤区布满整个防空区域, 不给敌机以可乘之机, 取得了一定的效果。

摘要：模拟退火算法是一种有效的全局优化算法, 文章阐述了模拟退火算法的基本原理及实现过程, 结合防空导弹部署的原则和要求, 应用模拟退火算法, 解决防空导弹体系优化部署问题。通过对该算法的具体步骤的详细介绍, 得出各型防空导弹组成体系时的优化部署方案。

关键词：模拟退火算法,防空导弹体系,优化部署

参考文献

[1]闫明亮等.基于模拟退火算法的防空导弹体系优化部署研究[J]指挥控制与仿真.2006, 28 (4)

[2]金建刚等.一种改进模拟退火算法求解目标优化[J].科技咨询导报.2007, 28

针对更黄66块部署开发方案的优化 篇6

更黄66块地理位置位于辽宁省大洼县东风农场霍马堡西北海军农场东北约350m, 构造上位于黄金带断裂背斜构造带北部。该块油层主要分布在下第三系沙河街组一段下部和三段上部。沙一下Ⅱ油组含油面积2.16km2, 石油地质储量70.3×104t;沙三上Ⅱ油组含油面积0.71km2, 石油地质储量48.4×104t。

2 开发简况

2.1 开发历程

更黄66块于1982年部署第一口井—黄66井, 该井由于受井喷影响, 钻杆完井, 生产时间很短, 仅累计产油3838吨, 累计产水4方。1987年部署黄01-10井, 在沙三段未见到产能。2001年部署了更黄66井, 初期由于未动用沙三段Ⅱ油组, 因而产能较低, 至2005年2月, 更黄66井补层沙三段Ⅱ油组, 见到较好产能, 使得断块产能得到提高。

通过对区域地质特征、储量上报及老井试油试采情况进行研究, 认为该区具有较大的勘探开发潜力, 通过对黄66块沙一下储层与构造配置关系研究发现黄66-5井区沙一下为岩性油气藏, 射开黄66-5井沙一下目的油层, 日产油15吨, 不含水且产量稳定, 该井试采成功证实了背斜侧翼岩性油气藏勘探开发潜力。

截至2015年11月, 区块共有油井8口, 开井4口, 日产液15.46t, 日产油5.66t, 综合含水63.4%, 采油速度0.95%, 累采油8.6704×104t, 累采水1.9054×104t, 地质储量采出程度6.78%;水井2口, 开井两口, 日注水40m3。 (表1) 。

2.2 开发现状

黄66块开发中存在的主要问题是:靠天然能量开发, 无能量补充, 地层压力水平不断降低。

沙三上原始地层压力为35.7-38.13MPa, 压力系数1.13-1.24, 至2011年4月, 黄66-5井实测油层中部深度3353.1米, 地层压力为26.405MPa, 压力系数为0.79, 地层压力下降明显。

沙一下原始地层压力为25.79-25.91MPa, 压力系数0.966-1.005, 至2011年11月, 黄66-5井实测油层中部深度2791.9m, 地层压力18.48MPa, 压力系数为0.66, 地层压力明显下降。

地层压力的下降直接导致油井产能的降低。黄66-2井2008年12月投产, 生产层位S3, 初期日产液12.2t/d, 日产油10.0t/d, 目前该井低产关井;黄66-5井, 2010年10月投产, 2011年11月生产S1段油层, 初期日产液14.6t/d, 日产油14.5t/d, 目前降至日产液9.8t/d, 日产油9.7t/d。

以上问题说明, 黄66块必须改变目前依靠天然能量开采的开发方式, 尽快实现注水开发, 达到补充地层能量、改善开发效果、提高采收率的目的。

综上所述, 黄66块背斜侧翼岩性油气藏开发潜力大, 地层能量不足, 需要进行调整开发, 以达到增储上产的目的

3 开发方案分析与优化

3.1 地层特征及层组划分

研究区内钻井已揭露地层自下而上顺序为:下第三系沙河街组 (未穿) 、东营组;上第三系馆陶组、明化镇组;第四系平原组。

沙三上段自下而上分为三个砂岩组:S3上III、S3上II、S3上I。

层组划分以岩心为认识基础, 以电性特征认识全区, 古生物确定地层界限, 标志层控制层组, 旋回性做逐级控制, 厚度作为参考, 逐步细分到砂岩组与小层。具体划分方法是以黄45井为中点, 以背斜中部井为南北剖面, 以点到面、扩展到全区。

通过对黄金带油田全区井的对比, 及对于楼油田南部的认识, 在东营组、沙河街组内找到以下不同级别的标志层。

对比分层, 在原有的划分砂岩组的基础上, 增加了S1上的细分砂岩组工作, 将其划分三个砂岩组。S3分为三个砂岩组。d3以上由于油层分布的局限性, 在潜力区块内细分到小层。

3.2 通过精细三维地震解释和地质研究落实区块构造

对整个研究区的Ed3、Es1下、ES3上I底界反射层进行了追踪对比, 编制了更黄66块的构造图。

黄66块 (S3上) 是被呈北东向和北西向的四条断层所夹持的南高北低的单斜构造, 高点在黄66-2井附近, 高点埋深3185m左右, 构造面积0.81km2, 构造幅度145m。

黄66块 (S1下) 位于黄金带-于楼断裂背斜构造带西翼, 是被呈北西向断层复杂化、节节南掉的断块, 断块西北低, 东南高。

3.3 油气水分布特征及油藏类型

更黄66井区在纵向上发育多套油、气层, 井段长, 层位多, 发育分散。

沙三上Ⅱ砂岩组油层厚度0-44.5m, 主要分布在更黄66等井附近, 油层向两侧减薄, 靠近西北向断层, 油层不发育, 说明西北向断层对油层展布具有一定控制作用。

沙一下Ⅱ砂岩组油层厚度0-10m, 主要分布在黄01-10等井附近, 油层展布主要受断层和岩性双重控制。

沙三上油藏特点:岩性-构造油藏, 根据更黄66块投产油井沙三上生产情况, 所有井都未出水 (黄01-10井位于构造低部位, 生产沙三上, 也未见水) , 所以更黄66块沙三上为纯油油藏。

沙一下也属于构造—岩性油藏。构造高低、储层发育状况决定油藏丰度。来自于扇三角洲前缘亚相水下分流河道的砂体沿构造斜坡向上翘方向尖灭形成岩性圈闭, 圈闭边界为断层或被断层复杂化。油源主要来自于驾掌寺洼陷, 驾掌寺洼陷形成的油气沿着驾掌寺断层运移到更黄66井区, 在有利的储层、岩性圈闭中聚集成藏。

3.4 在有利部位实施新井部署

在落实区块构造、油层分布并依据周边邻井的生产情况后, 在沙三部署两口新井, 沙一部署一口新井。

3.5 提出合理的注采开发调整方案

更黄66块目前采用不规则井网开发, 沙三段井距200-230m, 沙一段井距200m, 井距适中。更黄66块砂体发育稳定、连通程度高、储层物性好, 具备实施注水开发的条件。

注水井的选井原则:

①平面上布局尽量合理, 最大限度提高多向受效井;

②尽量转注目前低产、高含水或停产井, 最大限度减少产量损失;

③转注井的选择要砂层发育比较稳定, 处于有利的沉积相带上, 与周围井连通程度高;

④井身结构相对简单, 作业工作量小;

⑤转注井固井质量较好。

经研究确定注水井分别为更黄66井 (注水层位为S3上Ⅱ) 和黄01-10井 (注水层位为S1下Ⅱ) 。更黄66井注水的受效井为黄66-1、黄66-2、黄66-3、黄66-7、黄66-H2, 黄01-10井注水的受效井为黄66-5、黄66-8。

3.6 完善注采井网

由于更黄66块一直依靠天然能量开发, 无能量补充, 地层压力水平不断下降。为了达到提高采收率的目的, 注水开发成为了必然。因此, 经综合研究决定, 2013年, 在精细油藏地质认识的基础上, 更黄66块实施油井转注2口, 使用简易橇装注水装置实施注水, 注水分两个注水井组S上3Ⅱ油组、S1下Ⅱ油组。年累计注水6787m3。该块实施注水开发将会对稳定产能、延缓递减起到积极的作用。

S3上Ⅱ油组:注水井为更黄66井, 受效井为黄66-1、黄66-2、黄66-3、黄66-7、黄66-H2。

S1下Ⅱ油组:注水井为黄01-10井, 受效井为黄66-5、黄66-8。

4 结论与认识

在对更黄66块地质特征及构造、储量等再认识基础上, 部署三口新井油气显示好, 产量较高, 提高了整个区块的储量动用程度。说明对该块开发调整认识正确, 为今后新井部署提供了可靠的地质依据。

更黄66块注水开发结束了该块依靠天然能量开发的历史, 将弥补地层能量亏损, 将对该块稳定产能、延缓递减起到积极的作用。

摘要：更黄66块经过初期试采后, 投入全面开发, 但靠天然能量开发, 无能量补充, 地层压力水平不断降低。文章通过对更黄66块地层、岩性、构造、开发历程的重新认识, 利用有利部位实施新井部署和合理的注采调整方案对该区块开发部署进行优化, 并提出了总结与认识。

优化部署 篇7

针对大规模网络流量监测的业务需求, 通常采用Net Flow的探测方式, 该方法在网络中某一节点设置探针, 以此得到与这一节点相联的所有链路上的流量。因此, 为了得到网络中所有链路的网络流量, 一般可以通过在某些交换节点 (路由器) 配置监测器实现。大规模电力通信网的网络流量探测问题, 就是要解决在大规模网络中的哪些节点上设置监测器, 部署探针, 才能使得在可以得到每一条链路流量的条件下, 所需流量监测器数目最小[5,6,7]。

1 问题描述

在大规模电力通信网络中, 通过在网络中部署探针可以实现数据网的网络层对业务的全面监测。目前的研究中[8,9,10], 要实现对大规模网络的全覆盖, 采用在网络中的节点上部署探针的方法, 来监测网络流量。全覆盖的方法不仅成本开销大, 而且在测量时也会产生大量的测量数据, 造成噪声。假设在一个由n个网元组成的网络中, 测量k个网元间的流量特征, 需要从n个网元中挑选出k个网元, 此外, 考虑到网络流向问题, 还需考虑k个节点的排列组合, 因此, 网络流量测量方案就需要对C (n, k) , P (k, k) 个网元选取方案进行优化判断。在目前的研究中, 如果要实现全覆盖的测量方式和方案, 产生的时间复杂度是阶乘级的, 空间复杂度也异常庞大。本文围绕着业务监测的实际需要, 研究了如何部署适量的探针以满足不同的业务监测需求, 以解决部署位置和部署容量的问题。

2 本文方法

要求解决的部署实例为“某数据网拓扑图”, 如图1所示。为了说明本文要解决的问题和所提出的方法, 作出如下假设。

假设问题中的数据网内的链路权值都相等, 设定为1;假设问题中网元间的通信路由规则采用最短路算法;在最小弱顶点覆盖模型中, 假设一个网元可以监测与其直接相关的所有链路的流量, 且满足流量守恒;在最小集合覆盖模型中, 假设任意两网元可以通过通信监测其路径上的所有链路的状态, 网络监测命令发生在探针与探针之间;由于网络边缘节点的度数通常较小, 若把探测站点的位置选定在网络的边缘处, 那么从该探测站点发送出的探测的数目以及探测的能力就会收到相应的限制, 因而假设探针位置不会在网络的边缘。

要解决在网络哪些节点上设置监测器, 才能使得在可以得到每一条链路流量的条件下, 所需流量监测器数目最小。现有研究通常使用最小顶点覆盖可以解决这一问题。顶点覆盖问题已被证明是NP完全的, 只能用近似算法算出近似最优解。本文对最小顶点覆盖问题的贪心算法进行改进, 通过分支限定法的贪心策略实现探针部署问题。本文所提方法在考虑到网络监测方式的同时, 增加了流量守恒的约束, 使用最小弱顶点覆盖能够部署更少的探针来实现整个网络的网络流量监测。最小弱顶点覆盖问题也已被证明NP是完全的, 只能使用近似算法求近似最优解。评估本文所提流量监测方法的测试评估指标是:部署的探针的个数、链路覆盖率。

图2是需要部署探针的网络图, 需要把它转化为无向图G (V, E) , 其中V= (v1, v2, …, vn) 为网络节点集 (在IP网络中可看作为路由器) , E= (e1, e2, …, em) 为网络中的链路集合。其中, n=|V|, m=|E|分别表示G中节点和链路的数目。用ek= (vi, vj) 表示ek是连接节点vi和vj的一条链路。用Degree (v) 表示节点v的链路数, 即节点v的度。

把图1的所有路由器, 交换机等设备按照1, 2, ……的顺序进行标号, 然后统计所有的链路信息, 将该图转化为无向图。如图2所示 (每个节点名称前面有一个红色标号) 有160个节点, 185条链路。该图是一个稀疏图 (边的条数m远小于n2的图) , 可以用邻接链表来表示无向图, 但是考虑一般情况, 为了能够解决各种图, 使用邻接矩阵来表示无向图。

首先, 本文对基于最小顶点覆盖的探针部署方法进行了描述。为了描述该方法, 本文进行了如下定义。

定义1:给定无向图G (V, E) , 其中V是顶点集, E是边集, S是V的子集, 若根据与S中顶点相关联的各条边的流量, 可以确定E中任意边的流量, 则称S是图G关于流量的测量集。

有效测量问题的目标就是求给定图G关于流量的最小测量集。可以转换为求定义2中图G的最小顶点覆盖问题。

定义2 (最小顶点覆盖问题) :指给定一个无向图G (V, E) , 求顶点集V的一个最小子集S, 使得e= (u, v) ∈E, 且u∈S或v∈S, 即E中的任一边至少含有此子集中的一个点作为顶点, 也就是说S中的顶点覆盖了边集E。

其数学描述为:

其中c=[1, 1, …, 1]和都是长为n的向量, 是图的邻接矩阵, 并且具有约束条件:

最小顶点覆盖问题已被证明是NP完全的, 到目前为止还不存在多项式时间算法来求解, 可以用贪心算法去求出近似最优解, 即每次迭代都选取度最大的节点作为探针, 然后所有与其相连的节点都可以排除掉, 满足每次选取探针都是当下情况的最优情况, 但是考虑到每次的最优并不一定能得到整体上的最优, 为了找到更小的解, 通过下面的限定策略, 对贪心算法进行了改进, 通过分支界限法来得到更优解。

对所有节点的度从大到小排序, 取前k个节点, 满足如下公式3的条件时, 是可能满足顶点覆盖的界限。

通过上述约束, 在使用贪心算法之前, 先求出一个最小可能的最优解k, 将问题转化为判定无向图中是否存在k个节点满足最小顶点覆盖。通过贪心策略和限定策略去判定, 若满足则k是最优解, 若不满足则将k加1, 继续进行判定。

在介绍具体的判定过程之前, 首先使用最优队列和空间树来建立模型, 用一个优先队列维护当前可行的节点, 每个节点维护着该节点情况下还可以选择的顶点数目k1、需要覆盖的剩余边数e、顶点的状态state、顶点的边数Degree等信息, 这些节点的排序遵循贪心策略, 按顶点的边数从大到小排序。对于顶点的状态。该策略中顶点有3种状态, 分别为已经选择了的状态S1, 不选择的状态S2, 可以选择的状态S3。其中, 已经选择了的状态S1对应解空间树数中的左节点, 选择该节点, 然后设置该节点为已经选择状态S1;不选择的状态S2对应解空间树中的右节点, 不选择该节点, 然后设置该节点为不选择状态S2。可以选择的状态S3对应解空间树中的父节点, 选择该节点, 然后设置该节点为可以选择状态S3。S1和S2都是已经确定的状态, 节点的选取只能从S3中选取。

取出最优队列里的第一个节点进行扩展:

将该节点设置为S1, 同时按照公式4修改该节点的信息, 然后把该节点放入空间树的左节点;再将该节点设置为S2, 不用修改其他节点信息直接放入空间树的右节点。

通过约束条件, 先对右节点判定, 若满足, 将该点插入最优队列;再选取左节点进行判定, 若满足, 将该节点插入最优队列。

对上面步骤的迭代就是具体的判定过程。相应的流程如图3所示。

本文在基于最小顶点覆盖的探针部署算法的基础上加以改进, 提出了基于最小弱顶点覆盖的探针部署算法:

在定义1的基础上, 由于探针设置在路由器或交换机等交换设备上, 根据流量守恒, 那么图G还满足以下两条约束条件:

条件1。对图G的顶点集V中的任意顶点v, 其度Degree (v) ≥2;

条件2。对图G的顶点集V中的任意顶点v, 满足流守恒方程, 即流进=流出。

尽管以下原因会将导致流守恒方程的失真, 如:交换设备是数据的源或汇, 而不仅仅是数据转发器;多播导致输出端口的数据复制;交换设备本身的数据包延迟或丢失。但是若干研究表明, 流守恒方程所具有的相对误差小于0.05%。

定义3 (弱顶点覆盖) :假定无向图G (V, E) , 目满足对任意v∈V有Degree (v) ≥2, 称S⊂V是图G的弱顶点覆盖集, 当且仅当执行以下操作能使E中所有的边都可以被标记。

(1) 标记所有与S中顶点相关联的边; (2) 若某个顶点v的Degree (v) -1条相关联的边己被标记, 则标记剩下的那条相关联的边; (3) 重复第 (2) 步, 直到不能再标记新的边为止。

显然, 由此弱顶点覆盖S就可以得到图G中各链路的流量。本文利用关联矩阵的概念建立求解弱顶点覆盖问题的模型, 为此先给出以下定义。

定义4 (关联关系) :在无向图G (V, E) 中, 若v∈V是e∈E的顶点之一, 则称v与e之间存在着关联关系, 记为v Re。

定义5 (关联矩阵) :图G (V, E) 的关联矩阵是指如下定义的n×m矩阵:

根据关联矩阵的定义, 可知V的一个子集构成图G的一个覆盖, 当且仅当在它包含的节点所对应的关联矩阵的行中每列至少存在一个1。

根据以上分析, 采用贪心算法可以对弱顶点覆盖问题进行求解, 需要注意的是网络图中的边界点度为1, 并不满足条件约束1, 所以需要对无向图进行预处理。

对于初始情况下度为1的顶点vi, 只有一个边与该点存在关联, 该边记为ej, ej的另一个顶点记为vj。

当vj只有一个度为1的邻顶点vi, 只要得出vj其他相关边的流量信息就能根据流量算出eij的流量。即vj满足最小弱顶点覆盖, 只是计算该边的度需要把eij加上;或者vj是探针部署位置时也直接能监测到eij的流量。

当vj有多 (k|k>1) 个度为1的邻顶点, 若不把节点vj设为探针, 则至少需要设置k个探针, 所以只有将节点vj设为探针, 才能保证部署探针目数最少。

根据上面分析, 可知初始情况度为1的节点可以都不设探针, 可以直接被舍弃, 但预处理舍弃一个度为1的节点时, 不将其他与其相连的节点的度减1。

针对上述基于最小弱顶点覆盖的流量监测模型的描述, 本文设计基于最小弱顶点覆盖流量监测算法的算法流程如下。

Step1:先删除所有度为1的节点, 即删除关联矩阵中所有行元素之和为1的行。

Step2:选取一个包含的链路数目最多的节点, 记为vi。

Step3:删去关联矩阵中vi对应的行及该行中值为1的元素所在的列;然后在剩下的关联矩阵中再依次删除所有行元素之和不超过1的其他行及这些行中值为1的元素所对应的列, 直到不能再删除新的行和列为止。

Step4:重复Step2, Step3的操作, 直到所有的链路都被包含。

相应的算法流程图如图4所示。

3 实验验证

本章节对所提算法进行了实验验证。本文实验中图5为对比实验算法获取的探针部署图。图6—7为本文所提算法获得了探针部署图。从图7可以看出本文所提出的采用更少的探针算法能够实现对网络的全覆盖。

如图5所示, 所有红色标注的路由器都是探针部署位置, 共有43个。能够覆盖到图中的所有路径。即基于最小顶点覆盖的探针部署方案如图部署43个探针就可以实现该图全图各条边的流量监测。

表1表明了基于最小顶点覆盖的方法在网络节点为160个时, 采用43个探针能够实现对网络的全覆盖。

需要指出的是, 尽管分支限定法能求得最小顶点覆盖的最优解, 但其计算复杂度高, 花费时间长, 并不能应用于大规模问题。而且最小顶点覆盖的最优解并不一定是网络流量监测探针部署的最优解, 所以为了找到算法更简便、耗时更短而且使用探针数更少的部署方案, 下面将结合网络流量守恒的性质通过最小弱顶点覆盖来部署探针。

如图6所示, 为基于最小弱顶点覆盖的探针部署图。该图中所有红色标注的路由器都是探针部署位置, 共有32个。

图7是该部署情况的验证情况, 图中蓝色路径 (共171条) 表示该边网络流量可以直接监测, 橘色路径 (共14条) 表示该边网络流量可以通过流量守恒算出。在按图7所示部署32探针后所有的路径都被橘色或蓝色覆盖, 即可以监测到整个路径的网络流量, 具体的评价指标如表2所示。

与基于最小顶点覆盖的部署方案相比, 本方案使用的探针数更少, 而且算法更简单, 耗时更短, 是一种更优秀的网络流量监测探针部署方案。但是这两种探针部署防案都是被动测试, 能够利用端口镜像, 多路转发以用链路串接等方式收集网络中本身传输的数据包, 包括业务数据包、信令数据包和管理信息数据包等, 分析网络性能, 被动地监测网络性能, 有着不增加额外流量, 对网络影响很小的优点。

4 结语

本文研究了电力通信数据网的网络层业务, 在基于最小顶点覆盖问题的贪心算法的基础上, 对其进行了改进, 提出了一种基于最小弱顶点覆盖的探针部署方法。该方法保证了在可以得到每一条链路流量的条件下, 流量监测数目的最小。仿真结果表明, 本文所提方法使用的探针数目更少, 网络开销和时间开销更优。

摘要：文章对大规模电力通信数据网的网络层业务流量监控问题进行了研究, 提出了一种基于最小弱顶点覆盖的探针部署方法。该方法在最小顶点覆盖的基础上引入了流量守恒机制, 保证了在可以得到每一条链路流量的条件下, 流量监测数目的最小化。仿真结果表明, 与最小顶点覆盖问题相比较, 文章提出的方法所使用的探针数目更少, 算法复杂度较低, 具有较高的网络性能。

关键词：电力通信数据网,探针部署,顶点覆盖

参考文献

[1]GONG X, WANG K, GUO S, et al.Fault location algorithm based on probe in Electric Power Data Network[J].Network Operations and Management Symposium, 2015 (12) :30-36.

[2]常晶.大规模网络虚拟化监测方法的研究与实现[D].北京:北京邮电大学, 2014.

[3]王瑶, 权楠, 徐艳红, 等.IPv6技术在电力通信网的部署策略[C].北京:中国通信学会信息通信网络技术委员会年会, 2013.

[4]郭振兴, 黎文伟.分布式网络故障监测的探针部署方法[J].计算机系统应用, 2011 (11) :59-62.

[5]汪玉成, 杨阳, 稂龙亚, 等.基于改进贪心算法的电力数据网探针部署优化算法[J].无线互联科技, 2016 (5) :72-74.

[6]邢宁哲, 纪雨彤.基于分布式探针的电力数据通信网综合监测方法[J].电力信息与通信技术, 2016 (1) :38-43.

[7]陈宝仁, 吴赞红.电力公网通信资源在线监测技术方案探讨[J].电力勘测设计, 2012 (6) :63-69.

[8]赵继军, 白巍, 冯楠, 等.基于网络编码的PON中编码机制优化设计[J].光通信研究, 2014 (3) :38-41.

[9]王德麾, 冯军帅, 宋海亮, 等.基于无线传感器网络和3G/4G的远程环境监测系统研究[J].物联网技术, 2015 (3) :17-18.

浅论低渗透气藏开发井网部署及优化 篇8

油气藏开发的关键环节之一就是对开发井网的优化和部署, 尤其是低渗透气藏开发的顺利进行离不开合理的井网部署。在大力发展非常规油气资源的今天, 科学优化与部署低渗透气藏井网分布具有十分重大的经济和战略意义。垂直井仍是我国低渗透气藏开发中使用的主要井型, 在煤层气藏、页岩气藏中也有一定的应用。根据我国油气开发现场的实际应用状况, 本文仅涉及垂直井的井网部署及优化。

2 国内外低渗透气藏开发井网

矩形、菱形的井网分布是国内外低渗透气藏开发采用的主要方式, 单井的面积控制在0.1~0.65km2之间。

美国科罗拉多州西南的圣胡安盆地是含煤层气丰富的中-低渗透气藏, 部分区块的渗透率在20~25md之间, 在实际生产中, 井距大小控制在3~4口井/km2。

同国外的非常规油气资源相比, 国内的非常规油气藏具有更低的渗透率, 因此也造成了我国低渗气藏的气井间距要比国外小的多。以沁南枣园试验井组为例, 处于400m×450m井网中的井, 生产十年后的产量仍能达到1000m3/d以上。采用了300m×350m沁南潘河生产井的日产量可达3500m3/d。

3 开发井网的部署原则

同常规油气藏的开发相比, 低渗透气藏的开发既需要借鉴常规油气藏的开采技术, 也需要对这种技术进行改进。为使用尽可能低的成本、实现气藏的最大经济效益, 低渗透气藏的井网部署需要遵循地质因素、经济效益以及开发要素等三个原则。

3.1 地质因素

气藏地质条件的变化会使井网部署呈现出不同的特点, 对低渗透气藏而言, 需要考虑一下几方面的储层因素:渗透率、孔隙度 (气含量) 、储层裂缝发育情况以及储层气资源丰度等。井网方位是由裂缝发育方位和构造走向所决定的, 而井网密度是由储层资源丰度及渗透率状况所决定的, 因此, 对井网部署优化的前提是找到储层中含气量最高的地区。

3.2 开发要素

按阶段实施的平面井网部署经过滚动开发是实现低渗透气藏均衡开采的重要手段之一。常规气藏开发过程中会将尽可能避免井间效应作为建井原则之一, 而低渗透气藏井网之间的干扰效应有利于储层气体的充分流动, 进而提高采收率。

在最短的试验时间内实现井间干扰程度的最大化是先导性试验阶段井网部署优化的原则。通常, 现场的先导性试验阶段时间为5个月~1年。由于较小的井距会使井间的干扰效应更加强烈, 因此, 在先导性试验阶段, 将往的井距应小于正常生产井, 最终井距仍需数值模拟软件辅助确定。为实现单井可以控制更大的面积和更多的储气量、提高采收率、增大经济效益, 在随后的全面开发阶段, 生产井网的间距应大于先导试验阶段。

对不同储层, 低渗透气藏井网部署应基于立体开发、总体规划的原则。对每套层系各自的需求进行充分考虑制定最优的层系划分和井网部署。

合理的采气速度也是开发过程中所必须考虑的要素之一。对低渗透气藏而言, 通常要求15年的采收率达到可采储量的一半左右 (45~55%) 。井网密度的设计应使初期采气速度达到3%左右。

3.3 经济效益

原则要求单井经济极限控制储量要小于单井的实际控制储量;经济极限井网密度也要大于实际生产的井网密度;达到经济极限井网密度的前提下, 根据确定的最优井网密度, 选择合理的井网密度。

综上, 满足了采气速度、经济效益的要求, 借助数值模拟分析各项研究成果确定合理的井网井距。

4 开发井网的优化要素与方法

4.1 井网样式

低渗透气藏生产井的单井产量受井网布置样式的影响, 科学、合理的分布样式还会提高单井的经济效益。国内低渗透气藏常采用的井网样式有矩形井网、五点式井网等。

在矩形井网样式中, 相邻的四口井组成一个圆形, 沿主渗透与垂直渗透两个方向布井。此井网样式通常用于各储层渗透性相差较小的地区, 优点是规划方便, 缺点是矩形井网的中心位置压力降低慢, 采气速度小, 不利于提高采收率。

在菱形井网样式中, 相邻四口井中心会增加一口井, 避免了中心位置因压力降低慢导致储层气无法采出的现象。

4.2 井网方位

依据主导天然裂隙方位以及压裂裂缝方位确定开发井的方位, 使井网的长边方向平行于裂缝方向。低渗透气藏的天然裂隙决定了气藏渗透性, 可知渗透性较优的方向则是气藏的天然裂隙。经过压裂改善的天然裂缝具有更好的沟通性, 裂缝方位通常垂直于最小主应力方向。

4.3 井网密度

井网密度的最终确定是以极限值、合理值与最优值为依据的。三种井网密度是根据经济效益计算得到的, 极限井网密度指的是总投入与总产出相当时的井网密度;最优井网密度是利润最大时的井网密度;合理井网密度是在上述二者之间的中间值。

5 结论

低渗透气藏井网部署需要考虑三方面的要素, 分别是地质基础、经济效益以及开发要素。当前, 适用于国内低渗透气藏的井网优化方法基于井网样式、井网方位以及井网密度三方面。

摘要：随着我国常规油气资源开发难度增大, 低渗透、储量大的非常规油气资源成为突破口。本文探讨了低渗透气藏开发井网的部署原则, 进而浅析了开发井网的优化要素与方法, 为现场提供一定理论基础。

关键词：低渗透,气藏,井网优化

参考文献

[1]李士伦等主编.气田发方案设计[M].北京:石油工业出版社, 2006, 98-115

[2]Cong Ma, Chang Lu, Xin Yang Guo, Sheng Lai Guo, Da Qian Zhang.Selection and lab research of retarder for phosphoaluminate cement[J].Applied Mechanics and Materials, 2012, 174-177 (5) :1317-1320

优化部署 篇9

关键词：移动云计算,启发式图划分,软件部署,模拟退火,分布式

云计算[1]的使用不仅有利于基于Web的应用程序, 而且可用于由遵循面向服务编程范例的许多服务组件构成的其他应用程序。一些服务组件对CPU处理能力或内存损耗有高需求, 因此不能在普通台式机或移动终端上执行而是需要在云的专用服务器上执行[2]。即使是中等规模数据中心内也存在可用硬件节点的多种选项, 所以采用云计算范例会有配置软件组件的问题。部署优化对云用户和云提供商降低成本都很重要, 所有组件必须部署在一台有足够CPU处理能力的机器上, 同时各种机器之间的通信开销越小越好, 因为这会引入额外的延迟和网络负载。该问题可以建模成图划分问题。

图划分问题主要处理将图划分成k个相等集同时最小化集之间边的问题, 当k=2时, 则变成最小割二分图问题, 寻找该问题的最优解是一个NP困难问题。基于移动的方法通过顶点移动或子图之间交换来迭代改进划分, 例如, 文献[3]为KL算法介绍了多种优化, 产生一种图划分线性时间算法, 然而, 该算法的性能会随着图变大而下降。最近研究探索了基于扩散[4]或最大流量[5]的方法, 另外已知技术的合并能产生新启发式方法。例如, 文献[6]使用PROBE启发式 (基于种群强化优化探索) 算法, 合并贪婪算法、遗传算法和KL细化[6]。文献[7]提出合并贪婪图生长启发式算法与局部细化算法。文献[8]提出一种经由光谱方法和KL细化改进的遗传算法。所有这些方法划分图成预定义数目的大小相等的子图。在云计算环境中, 并不是所有机器都具有相等容量, 有许多必须使用的机器不是预先定义的, 不能随意使用这些算法。因此, 本算法取一些有不同容量的可能的机器作为输入, 仅限制机器不能超过其最大容量, 且每个组件必须只部署在一个机器上。

基于上述分析, 提出了基于启发式图划分算法的软件部署优化方案, 通过在云的许多互相连接的机器上划分由许多组件组成的软件应用程序, 实验将本文提出的方案与METIS4.0进行了比较, 结果表明了本算法在移动卸载场景中的适用性。

1 问题提出

令G= (V, E) 为无向图, 其中, V={v1, v2, …, vN}是N个顶点的集合, E是连接顶点的边的集合。顶点表示分布式软件系统中部署的单元, 边表示那些单元之间的通信开销。为每个顶点vi分配一个成本wi, 表示该组件所需的资源数量 (如CPU处理能力) 。C= (cij) 是G的邻接矩阵, 即如果vi和vj之间存在一条边, 则cij等于这条边的权重, 否则cij=0。边权重表示不同软件组件之间的通信开销 (如带宽) 。

基础设施也建模为无向图S= (K, L) , 其中, K是可用机器的集合, L是各种机器之间的链接。每个机器的最大容量是Mm, 为每条链路分配一个使用这条链路的成本。从此图可以推导出矩阵B= (bmn) , 其中元素bmn表示机器m和n之间交换数据的成本。

当前目标是分配每个顶点vi到其中一台机器上, 以便B加权的机器之间交换的总数据最小化。令决策变量Xim表示图割, 如果组件i部署在机器m上, 则Xim的值等于1, 否则为0。本文试图最小化部署在各种机器上的节点之间边的边权重总和, 于是引入变量hij, 如果组件i和j部署在不同机器上, 该变量的值为1, 否则为0。然后实现最小化的目标函数变成图权重 (GC)

顶点j部署在函数P (j) 返回的机器上, 变量hij能以Xim表示, 如下

完全描述该问题需要另外两个约束

式 (3) 声明节点在机器上使用的资源总数量不能超过那台机器的最大容量。式 (4) 确保每个节点恰好部署在一台机器上。

2 算法提出

2.1 整数线性规划 (ILP)

第1节定义的问题可视为一个整数线性规划问题 (ILP) , 因此ILP求解器 (IBM ILOG CPLEX[9]) 可用于确定该问题的最优解。求解该问题所需的时间和资源随着图的大小指数增加, 因此, 需要启发式算法较快找到好的解, 下文提出了三种启发式算法。

2.2 多级图划分 (MLKL)

在第一种启发式算法中, 使用文献[10]提出的多级细化策略, 其思想是通过合并连接的顶点向下粗化图, 直到获得小图, 然后划分该图并再次去粗化, 在每个去粗化步骤中优化划分。因此, 划分包括三个阶段:

粗化。将图G粗化成一系列较小的图G1, G2, …, Gm, 使|V1|>|V2|>…>|Vm|;

初始划分。在图的最粗级别计算划分P;

去粗化和细化。通过所有中间图去粗化回图Gm的划分P, 在每个去粗化步骤中执行细化算法, 找到更好的划分。

2.2.1 粗化

粗化过程中, 通过破坏边并合并那些边连接的顶点从图Gi创建有较少顶点的图Gi+1。当破坏一条边时, 那条边连接的两个节点变成一个, 它的权重是两个顶点权重和。当两个顶点有一条到第三个节点的边时, 破坏这两条边, 变成一条边, 该边的权重是两条边权重和。每次粗化迭代, 创建一个匹配, 即没有公共顶点的一组边, 然后合并匹配的边, 为了找到一个小边割, 最好破坏大权重边, 因为这些边很可能成为最佳割。

粗化算法使用文献[11]提出的粗化方案的重边匹配 (HEM) 算法。以随机顺序访问图中的每个顶点, 用一个未匹配的邻居v匹配每个顶点u, 以便边 (u, v) 的权重在u的所有有效事件边上最大。为了能在不同机器上映射最粗图的顶点, 当顶点权重总和小于最小子图大小时, 添加另外一个约束到仅匹配两个顶点。

2.2.2 初始划分

粗化之后, 出现了选择可行部署的问题, 部署软件组件到基础设施上。假设拥有足够机器和资源寻找这样一个部署, 该问题简化成一个简单的装箱问题, 可以用首次适应算法求解。

顶点按顶点权重降序排列, 机器按最大容量降序排列。对于每个顶点, 机器列表是重复的, 将它分配到第一个剩余足够容量的机器, 然后机器的容量随着那个顶点的顶点权重降低。

算法1计算初始划分

顶点:有序列表

机器:有序列表

2.2.3 去粗化和细化

在最后一个阶段, 再逐步对图去粗化, 运用KL类似算法改进上一阶段发现的初始划分, 提出的算法基于文献[10]的细化算法, 该算法的基本思想是与移动顶点到不同子图相关联的增益概念, 增益影响交换顶点从一个机器到另一个机器产生的割尺寸中的净变化。通过移动顶点i从集合m到集合n引入增益, 相应的增益gmni表示为:

式 (5) 中函数P (j) 再次返回顶点j的当前子图。基本细化算法的伪代码如算法2所示, 由两个循环组成。外环的每次循环将尝试移动周围节点寻找较好的割, 外环终止于不再改进最佳划分的那次循环, 这意味着算法到达局部最优, 为了避免算法陷入死循环, 外环一次循环过程中仅移动顶点一次。内环将迭代选择一个顶点来移动, 即有最大增益的顶点, 但有一些额外规则, 这在某种程度上能防止算法陷于局部最优。当顶点移动时, 应该更新其所有邻居的增益, 当找不到更适合的移动时, 过程完成。

算法2 KL细化

当发现更好的划分时, 内环只接受正增益移动, 并开始另一次循环, 其理由是当算法发现更好的划分时, 它会尽可能避免局部最小, 然后开始新的迭代, 选择前一次迭代移动列表中的移动, 进一步接近最优。

代替创建平衡划分, 需要确保没有机器超载, 这方面有一个自然规则, 禁止顶点违反目标容量条件的移动, 但是, 这条规则会不可避免地导致移动到局部最优, 如图1所示。

因此允许移动到超过最大子图权重的子图, 但前提是没有其他过大权重的子图。如果存在权重太大的子图s, 则选择具有最高增益的顶点, 移动远离m并降低过载, 这种方式在图1的场景中也将收敛于最优 (m0={n0, n2}, m1={n1, n3, n4}) 。

当两种可能移动有相等增益时, 更倾向于不超过目标子图边界的移动, 如果不能区分可能的移动, 更倾向于那些非空子图, 如果仍无法区分两个移动, 则随意破坏这种关系。

本文采取一个能较早停止算法的方式以节省时间, 例如当前划分的图割偏离超过此时发现的最优解的截止阈值, 适当选择阈值能减少执行时间而不牺牲太多求解质量, 如果选择阈值为0, 则算法将无法接受任何幅增益移动, 算法将类似于一个最速下降算法, 终止于最近局部最小。

2.3 模拟退火 (SA)

求解k划分问题的第二种方法基于退火模拟 (SA) , 文献[12]介绍了一种合并的优化技术。为了在k划分问题的环境中使用SA技术, 本文在装箱之后将它当作细化技术来使用[13]。

SA算法从一个解移动到邻居解, 通过移动顶点从一个子图到另一个。以概率exp (g/T) 接受移动, 其中g是移动的增益, 如2.2节所介绍的, T是随时间降低的温度参数。伪代码形式的代码如算法3所示, 为了找到图1描述的场景中的最优, 节点i正增益移动到子图, 该子图没有足够容量剩余的概率为, 其中Free (p) 是子图p上自由空间的数目, 使它也依赖于温度, 能保证算法结束时收敛于一个合法解而不引起过度占用子图。

SA的性能非常依赖于各种退火参数的选择:初始温度T1、冷却进度、时代长度L和停止条件[13]。

2.3.1 初始温度T1

文献[12]提出了T1值, 该值足够高能使可接受转换的初始概率接近1, 该文建议选择的初始温度使上坡转换分数等于参数P1, 称为初始可接受概率, 然后初始温度计算为, 其中仅对初始负增益计算。

2.3.2 冷却功能

冷却功能将逐渐降低温度, 直到算法达到其停止条件, 本文采用简单几何冷却功能, 其中第k次迭代中的温度由Tk=α×Tk-1给出, 其中α (0<α<1) 是一个称作冷却率的参数, 文献[14]表明其他退火功能如线性或对数函数不影响性能。

算法3模拟退火

2.3.3 迭代次数L

迭代次数L是在每个温度等级尝试的移动次数, 应该按邻域大小成比例选择迭代次数。本文的情况中移动每个顶点到其他机器中的一个, 因此迭代次数变为L=s×N× (K-1) , 使用N个顶点, K个机器, 实验表明s的良好值为50。

2.3.4 停止条件

当算法达到冰冻状态时确定停止条件, 应该停止解法的进一步搜索。当迭代次数到达预定义最大值时, 或当温度低于预选择的最终温度时, 即终止算法。使用文献[13]的停止规则, 在迭代结尾计数器加1, 且可接受移动的分数小于预定义极限Fmin, 发现更好的解时计数器重设为0。当计数器达到一个预先决定的极限I时, 终止SA。使用的各种参数的实际值如表1所示。

表1本文的SA细化算法使用的模拟退火参数值由于模拟退火中的随机性, 不同运行会产生不同解, 多次执行SA算法并取最佳解能改进求解质量, 当然这以更多计算时间为代价。

2.4 混合算法 (KLSA)

由于SA的随机因素, 因此需要以更多计算时间为代价达到更好的解。为了合并两种最佳方法, 本节提出一种混合方法。混合算法酷似多级算法:仅在最粗级别首先多次运行SA细化划分, 在最粗级别找到SA的更好解, 同时额外计算成本维持相对较低。在进一步去粗化迭代中再次使用KL细化, 这是较快的。而且, 由于粗化和去粗化的特性, 期望的全局最优解位于最粗图的邻域, 于是KL最终陷入的局部最优也可能是全局最优, 另外, 为了获取更好的解需要执行多次最粗级别SA细化。

3 实验

为了评估本文的算法, 需生成了有各种节点大小的测试图, 图由Eppstein幂律生成器[15]生成, 依据参数λ分别等于0.1和0.005的指数分布为节点和边分配权重, 尽管应用程序的实际图结构依赖于软件设计, 仍选择这些图配置作为大部分设计原则, 目的是减少各种组件之间的依赖性, 产生节点少邻居多的图。产生的节点权重严格限制在1到100之间, 它能直观的表示单处理内核上该组件所需的CPU时间百分比。

将这些节点部署在随机产生的容量为100、200、…800的机器上, 表示机器配备了单、双、…八核处理器, 选择机器的数量, 使其总容量是图的总节点权重的150%。对于每个图尺寸, 生成100幅图和机器权重, 并计算各种算法的最佳部署, 以Java实现, 依据产生的图割尺寸和处理时间评估, 所有计算在英特尔Xeon L5420 (2.5 GHz) 双核处理器上执行。

首先对小图比较本算法与理论上最优ILP解, 表明本方法的有效性, 对于较大的图, 比较本文三个启发式算法的求解质量和执行时间, 查看截止阈值对KL细化的影响以及执行次数对SA的影响。为了基准测试本算法与先进技术, 故比较了本算法和METIS4.0的求解质量。最后还在卸载场景表明了本算法的有效性, 也就是移动设备分发其负载到云的场景。

3.1 MLKL、SA和KLSA的评估

为了评估为云应用程序找到的部署有优越, 假设数据中心各种服务器之间通信链路等权重, 因此m, n:bmn=1。由于图表示交互软件组件, 还假设感兴趣的图大小为数百个节点。对小图, 比较解与最优ILP解, 如图2所示。

从图2可以看出, SA和KLSA算法都使用模拟退火四次并行执行的最佳解, 对小图, 模拟退火执行效果最好, 因为超过50%的情况都能产生最优解。混合解倾向于给出比MLKL略好的结果, 然而更高的求解质量以执行时间为代价:KLSA和SA的执行时间分别为MLKL的2~10倍。

对于大图, ILP寻找解的时间太长, 因此, 比较本算法与MLKL算法。本文将讨论各种参数的影响:截止阈值对KL细化的影响和并行执行次数对SA细化的影响, 如图3~图5所示。

图3 (a) 表明了MLKL算法在0、100、500和1 500截止阈值下的求解质量。当当前划分的图割偏差大于此时找到的最佳解的某个截止阈值时, 细化停止。截止阈值为0意味着不允许负增益移动, 然后细化表现为最速下降算法。阈值越大, 它越接近没有阈值的原始解, 随着图大小越来越大, 负增益移动带来的改进越来越小。图3 (b) 绘制了各种算法的平均执行时间。使用截止阈值能降低执行时间, 但以牺牲求解质量为代价, 选择一个足够大的阈值 (本例中为1 500) 能在执行时间上有小幅收益而不牺牲过多求解质量。

图4给出了SA算法相比MLKL算法的求解质量[图4 (a) ]以及各种执行次数的执行时间[图4 (b) ]。对于较小的图, SA找到的解比MLKL好, 但是随着图大小越来越大, MLKL变的越来越好, 这是由于搜索空间增加, SA找到产生更好解的随机移动的概率降低。SA算法的执行次数越多, 产生的求解质量会越好, 当然执行时间也越长, 由于实验在双核机器上执行, 4和8之间比1和4之间存在的增加大得多, 正如图2所示的小图, SA的执行时间远长于MLKL。

混合方法 (KLSA) 如图5所示, KLSA比MLKL高几个百分点, 但是该改进会随着图变大而越来越小, 而且该改进以执行时间为代价, 因此昂贵的SA细化现在仅在最粗级别上执行, KLSA的执行时间低于SA但仍然比MLKL高得多。

3.2 与METIS4.0比较

本问题声明的一个特例, 其中表示划分图成K个带有不平衡因子β的平衡划分的传统图划分问题, 对于该问题, 将本文算法与著名的图划分软件ME-TIS[11]进行了比较。

图6显示了划分图成2、4、8、16、32、64个平衡子图时MLKL算法相对于KMETIS的求解质量。尽管两种算法都基于多级划分范例和KL类似细分, 本文产生的割尺寸低10%~40%, 这是由于本算法允许细分过程中有更多不平衡, 且METIS的细分过程会更快截止, 因为它是为较大图设计 (>10 000个顶点) 。

3.3 卸载场景

直到现在本文一直假设所有应用程序组件部署于云, 所有服务器通过同一链路互联, 于是m, n:bmn=1。但是, 在移动云计算环境中, 云用于从移动设备卸载部分应用程序到云, 连接设备到互联网的无线链接将是一个重要的限制因素, 取决于技术和信号强度, 移动设备和云之间的可用带宽, 也就是最优部署将有所不同。为了计算这种情况下的最优部署, 使用bmn参数为无线链路附加更多重要性, 并尝试限制经由那条链路交换的数据量。

为了计算卸载场景中的最优部署, 本文在随机生成的机器列表中增加了一个额外的机器mdevice, 拥有的容量为25, 并锁定其中一个节点到这个机器。这表示, 例如, 节点维护输入或GUI, 且必须部署在移动设备上。服务器之间机器之间的连接性权重设为1, 但对服务器和mdevice之间的链路设为α≥1, 当增加α时, 算法将计算一个新部署, 还将尝试降低无线链路上的带宽。

当然能够影响无线链路上带宽的粒度取决于软件设计和组件的粒度。如果软件由许多小组件组成, 其中一个能逐渐调整带宽需求, 但是当软件由几个大组件组成时, 可用概率很少。结果如图7所示。

图7表示了6幅以α为函数的无线链路权重的图, 图7 (a) 表示由500个小 (λ=0.5) 组件组成的三幅图的结果, 而图7 (b) 则表示由200个较大组件组成的三个较粗图的结果, a图能够被调整成比b图较粗图更细粒度的图。

4 结束语

提出了云部署的划分软件图算法, 通过考虑基础设施异构性计算最佳划分。不同于计算网格的部署优化, 本文没有最小化网格结构任务集合的执行时间, 而是专注于最小化软件组件之间的带宽, 将基于KL的多级算法当作允许实时部署计算的快速子图程序, 模拟退火改进了小图的求解质量, 但以计算容量为代价, 混合算法产生比KL略好的划分, 且执行时间居中。对于大范围图, 本文比较了基于KL的算法与METIS, 本方法找到好10%~40%的划分, 并显示了移动云计算用例中考虑无线链路质量情况下如何使用本算法调整部署。