罗飞
- 作品数：38 被引量：83H指数：5
- 供职机构：华东理工大学更多>>
- 发文基金：国家自然科学基金上海市“科技创新行动计划”项目上海汽车工业科技发展基金更多>>
- 相关领域：自动化与计算机技术文化科学电气工程经济管理更多>>
- 对象存储系统的自动化管理技术被引量：4
- 2017年
- 物联网视频监控领域中的对象存储系统不仅轻松突破了传统存储系统SAN的性能瓶颈,而且可以实现性能与容量的线性扩展;然而,对象存储系统资源的远程管理成为困扰管理者的一个问题。针对该问题,研究能够实现对象存储集群的自动化管理的方法和相关技术,提高存储集群的使用效率。该自动化管理系统功能主要包括:集群组件的远程启动、停止、重启;运行状态监测;集群扩张和日志查看及存储等功能。基于Ceph对象存储集群,实现了面向Web应用服务平台的存储集群自动化管理系统,最终有效地对对象存储系统进行监视和管理,并能够自动化扩展集群的节点和存储容量。
- 胡豆豆罗飞张园
- 关键词：自动化云计算
- 基于强化学习的交通情景问题决策优化被引量：1
- 2022年
- 在复杂交通情景中求解出租车路径规划决策问题和交通信号灯控制问题时,传统强化学习算法在收敛速度和求解精度上存在局限性;因此提出一种改进的强化学习算法求解该类问题。首先,通过优化的贝尔曼公式和快速Q学习(SQL)机制,以及引入经验池技术和直接策略,提出一种改进的强化学习算法GSQL-DSEP;然后,利用GSQLDSEP算法分别优化出租车路径规划决策问题中的路径长度与交通信号灯控制问题中的车辆总等待时间。相较于Q学习、快速Q学习(SQL)、广义快速Q学习(GSQL)、Dyna-Q算法,GSQL-DSEP算法在性能测试中降低了至少18.7%的误差,在出租车路径规划决策问题中使决策路径长度至少缩短了17.4%,在交通信号灯控制问题中使车辆总等待时间最多减少了51.5%。实验结果表明,相较于对比算法,GSQL-DSEP算法对解决交通情景问题更具优势。
- 罗飞白梦伟
- 关键词：马尔可夫决策过程
- 基于双估计器的改进Speedy Q-learning算法被引量：5
- 2020年
- Q-learning算法是一种经典的强化学习算法,更新策略由于保守和过估计的原因,存在收敛速度慢的问题。Speedy Q-learning算法和Double Q-learning算法是Q-learning算法的两个变种,分别用于解决Q-learning算法收敛速度慢和过估计的问题。文中基于Speedy Q-learning算法Q值的更新规则和蒙特卡洛强化学习的更新策略,通过理论分析及数学证明提出了其等价形式,从该等价形式可以看到,Speedy Q-learning算法由于将当前Q值的估计函数作为历史Q值的估计,虽然整体上提升了智能体的收敛速度,但是同样存在过估计问题,使得算法在迭代初期的收敛速度较慢。针对该问题,文中基于Double Q-learning算法中双估计器可以改善智能体收敛速度的特性,提出了一种改进算法Double Speedy Q-learning。其通过双估计器,分离最优动作和最大Q值的选择,改善了Speedy Q-learning算法在迭代初期的学习策略,提升了Speedy Q-learning算法的整体收敛速度。在不同规模的格子世界中进行实验,分别采用线性学习率和多项式学习率,来对比Q-learning算法及其改进算法在迭代初期的收敛速度和整体收敛速度。实验结果表明,Double Speedy Q-learning算法在迭代初期的收敛速度快于Speedy Q-learning算法,且其整体收敛速度明显快于对比算法,其实际平均奖励值和期望奖励值之间的差值最小。
- 郑帅罗飞顾春华丁炜超卢海峰
- 关键词：Q-LEARNING
- 一种面向嵌入式Linux的虚拟仿真实验系统
- 本发明公开了一种面向嵌入式Linux的虚拟仿真实验系统，该系统由仿真实验机1.1、1.2、…、1.N（统称为仿真实验机1）和仿真评测服务器2，组成；其中，N为正整数；每台仿真实验机1为一个实验人员服务，仿真实验机1为实验...
- 罗飞丁炜超顾春华陈成
- 基于同步更新外部归档集的NSGA-Ⅱ改进算法被引量：2
- 2018年
- NSGA-Ⅱ在执行拥挤系数计算时不考虑父子代种群各自独立的个体分布情况,使某些在全局空间中分布优秀的个体被淘汰。针对NSGA-Ⅱ收敛结果的较差分布性,提出了改进算法(UEA-NSGA-Ⅱ),在迭代过程中随机填充一定量子代种群的非支配个体到外部归档集内,使用拥挤系数算子用于归档集的剪枝操作。同时,针对二进制编码存在陷入局部最优的问题,采用格雷码和动态变异算子增强算法在解空间上搜索速度与宽度。在ZDT系列问题上执行测试,并与两种典型算法和三种NSGA-Ⅱ改进算法对比,结果表明UEA-NSGA-Ⅱ在算法的稳定性与优化效果方面均优于所对比的算法。
- 顾春华刘鑫平罗飞丁炜超
- 关键词：多目标进化算法NSGA-II
- IaaS云环境下一种能耗和资源损耗优化的虚拟机放置策略被引量：2
- 2016年
- 为了降低IaaS云中物理服务器的资源开销和能耗,提出了一种资源损耗模型;同时结合服务器能耗模型,提出了一种能耗和资源损耗优化的虚拟机放置策略;设计并实现了一种能耗有效且物理资源损耗优化的多目标虚拟机放置算法。仿真实验结果表明,该算法不仅能有效地降低物理服务器的能源消耗,同时能较好地控制物理资源损耗,从而实现节能减排,具有较强的理论和现实意义。
- 常耀辉顾春华罗飞李小可杨泽平
- 关键词：云计算能源消耗资源损耗多目标优化
- 一种可扩展的智慧配电站多终端设备管理系统
- 本发明涉及电力设备控制技术领域，且公开了一种可扩展的智慧配电站多终端设备管理系统，包括管理功能模块、数据存储模块和通讯模块，所述管理功能模块包括设备树、设备台账、一级设备通讯配置和终端设备通讯配置，所述管理功能模块用于实...
- 姚锋华罗飞刘济王晨郭上毛以鹏姚炳巢俊俊胡谡
- 一种基于云计算技术的虚拟实验系统
- 本发明涉及一种基于云计算技术的虚拟实验系统，包括客户机、实验管理系统和云基础设施；所述的客户机提供用户操作的接口，通过客户机接入到实验管理系统获取实验分类信息，最终接入到云基础设施获取实验环境；所述的云实验管理系统基于云...
- 罗飞顾春华施凯丁炜超
- IaaS云环境下一种基于综合满意度的虚拟机放置策略
- 2018年
- 基础设施即服务(IaaS)环境下的一个关键需求是对租户申请的虚拟机进行合理放置。当前虚拟机放置策略的研究大都集中在数据中心能耗、资源损耗以及负载均衡等方面,很少有工作关注其对租户虚拟机启动时间的影响。为了减少虚拟机请求的周转时间,降低数据中心的资源损耗,本文首先建立了云服务租户满意度模型,给出了虚拟机请求到达云端后周转时间的量化方法;然后基于数据中心的资源损耗建立了云服务提供商满意度模型;最后,基于租户虚拟机启动时间与系统资源损耗建立了多目标约束优化模型,并提出了一种基于综合满意度(Comprehensive Satisfaction Based,CS-B)的虚拟机放置策略,该策略综合考虑了云服务租户与云服务提供商的需求,将租户所申请的虚拟机放置到综合满意度最高的服务器中运行。在OpenStack云平台上的仿真实验表明,CS-B虚拟机放置策略能够有效减少租户虚拟机在云端的部署时间,降低数据中心的资源损耗,有效提高了云服务商及租户的满意度。
- 丁炜超顾春华罗飞
- 关键词：云计算满意度OPENSTACK
- 基于OpenStack的创新实验云平台的研究被引量：11
- 2016年
- 提出了一个基于OpenStack云计算框架的创新实验云平台。该平台总体架构分为基础软硬件资源层、OpenStack云管理层、通信中间件层、应用业务层和应用表现层,能够满足高校中各专业创新实验对计算机软硬资源的不同需求,减少实验室管理人员的工作量,同时提高实验设备的利用率。该平台运行稳定,功能设计合理,为创新实验教学提供了有效的支撑。
- 杨泽平顾春华万锋罗飞常耀辉
- 关键词：实验教学OPENSTACK
