·300· 智能系统学报 第13卷 3)计算最大隶属度y,和次最大隶属度y2,并将y、 示，输入数据后可得到结果并与云模型得到的结果 2送入Y条件云得到两个距离最近的云滴。 进行对比分析。 4)将3)得到的两个云滴送人逆向云发生器，得 到一组定量值(Ex,E,H),用来描述定性的概念，其 80 中E,为推理机输出结果代表资源占用的高低。 单规则的前向云生成器(FCG)过程： 60 40 输人：规则的前向云参数。 30 E1,E1,He),E2,E2,H2)和给定输入(x1,) 100 输出drop(x1,x2,0)o 50 406080100 Begin{ 条件b 00 20 条件a /对于表中的每条规则，E,E2)表示期望， 图8传统隶属度函数法surface图 (H1,H2)表示方差，得到二维正态分布的随机值。 Fig.8 FIS surface (E1,E2)=binormrnd(EnL,En2,Hel,He2) 4.3实验分析 /在前件规则生成器输入(：，2)，按公式μ= 假设资源占用的CPU和内存占用率分别为 xp(-(x1-E,)2/(2E)+(x2-E.)2/2E》可计算出激 10%、25%,即输入(10,25)，得到云模型推理资源占 活强度μ。 用结果如图9所示。 q=(x1-E)P/E12 d=(-E)2/E2 1.0 μ=exp(-(1/2)*(q+d) 09 }END 0.8 针对单规则的后向云生成器(BCG)的具体实 07 y0.6 现过程： 输入：规则后件云参数E3,H)规则激活强度μ1o 0.4 输出：drop(y1,),drop2,i)。 0.3 02 Begin{ 0.1 /通过后向云生成器(E,H)任意生成期望是 15.816.016.216.416.616.817.017.217.417.6 Ea,方差是H3的一维正态随机值E1 CPU占用率 E31=normrnd(E3,H3): 图9云模型推理得到资源占用评价 /根据激活强度和正态随机数Em31按公式 Fig.9 Resource occupancy evaluation based on cloud model 山1=exp(-(01-E,2/(2E%1)》反求曲y,2。 reasoning y1=E:+Enm *sqrt(-2*log(u)); 同样输入(10,25)，隶属度函数法评价得到系统 y2=E,-E sqrt(-2*log(u)) 资源占用的情况如图10所示。 }END 4.2传统隶属度函数法对比实验 传统隶属度函数法是系统评价的传统方法之 一，而本文使用的云模型评价法也是以传统隶属度 函数法为基础。因此用传统隶属度方法做对比实 验，可以更好地分析云模型的优缺点。使用MATLAB 做仿真分析，操作步骤如下： 1)运用模糊工具箱，由表2中数据选择隶属度 10 0 100 100 函数为Gauss型（正态型），规则共10条，每条规则 100 有2个输入，一个输出，均按照期望(E)和方差 (a)条件a=10 (b)条件b=25 (c)条件c=16.7 (En)建立Gauss隶属函数。 图10隶属度函数法推理出的资源占用 2)隶属度函数的推理规则为： Fig.10 FIS inference result 如果条件a是a1并且条件b是b1,得到推论c是c1o 通过对比云模型和隶属度函数法对资源占用进 3)传统隶属度函数法得到Surface图如图8所 行评价的两个实验，分析并得出以下结论：y1 y2 y1 y2 3) 计算最大隶属度 和次最大隶属度 ,并将 、 送入 Y 条件云得到两个距离最近的云滴。 (Ex,En,He) Ex 4) 将 3) 得到的两个云滴送入逆向云发生器，得 到一组定量值 ，用来描述定性的概念，其 中 为推理机输出结果代表资源占用的高低。 单规则的前向云生成器 (FCG) 过程： 输入：规则的前向云参数。 (Ex1,En1,He1)，(Ex2,En2,He2) 和给定输入 (x1, x2) 输出 drop(x1, x2, µ)。 Begin{ (En1,En2) (H1,H2) / /对于表中的每条规则， 表示期望， 表示方差，得到二维正态分布的随机值。 (E1,E2) = binormrnd(En1,En2,He1,He2) (x1, x2) µ = exp(−((x1 −Ex1 ) 2 /(2E2 1 )+(x2 −Ex2 ) 2 /(2E2 2 ))) µ //在前件规则生成器输入 ，按公式 可计算出激 活强度 。 q = (x1 −Ex1 ) 2 /E12 d = (x2 −Ex2 ) 2 /E22 µ = exp(−(1/2) ∗ (q+d)) }END 针对单规则的后向云生成器 (BCG) 的具体实 现过程： 输入：规则后件云参数 (En3,H3) 规则激活强度 µ1。 输出： drop(y1, µ1)，drop(y2, µ1)。 Begin { (En3,H3) En3 H3 En31 //通过后向云生成器 任意生成期望是 ，方差是 的一维正态随机值 。 En31 = normrnd(En3,He3)； µ1 = exp(−((y1 −Ex1 ) 2 /(2E2 n31))) y1 y2 //根据激活强度和正态随机数 En 3 1 按公式 反求出 ， 。 y1 = Ex +Enn ∗ sqrt(−2 ∗ log(µ1))； y2 = Ex −Enn ∗ sqrt(−2 ∗ log(µ1)) }END 4.2 传统隶属度函数法对比实验 传统隶属度函数法[15]是系统评价的传统方法之 一，而本文使用的云模型评价法也是以传统隶属度 函数法为基础。因此用传统隶属度方法做对比实 验，可以更好地分析云模型的优缺点。使用 MATLAB 做仿真分析，操作步骤如下： Ex En 1) 运用模糊工具箱，由表 2 中数据选择隶属度 函数为 Gauss 型 (正态型)，规则共 10 条，每条规则 有 2 个输入，一个输出，均按照期望 ( ) 和方差 ( ) 建立 Gauss 隶属函数。 2) 隶属度函数的推理规则为： 如果条件a是a1并且条件 b 是 b1，得到推论c是c1。 3) 传统隶属度函数法得到 Surface 图如图 8 所 示，输入数据后可得到结果并与云模型得到的结果 进行对比分析。 0 20 40 60 80 100 0 50 100 20 40 60 80 ᲍Тb ᲍Тa ᣔ䃦c 图 8 传统隶属度函数法 surface 图 Fig. 8 FIS surface 4.3 实验分析 假设资源占用的 CPU 和内存占用率分别为 10%、25%，即输入 (10,25)，得到云模型推理资源占 用结果如图 9 所示。 17.0 1.0 15.8 16.2 16.6 17.4 0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 16.0 16.4 16.8 17.2 17.6 CPUࢌ⩔⢳ 䯢ᆊᏒ 图 9 云模型推理得到资源占用评价 Fig. 9 Resource occupancy evaluation based on cloud model reasoning 同样输入 (10，25)，隶属度函数法评价得到系统 资源占用的情况如图 10 所示。 1 2 3 4 5 6 7 8 9 10 0 100 0 100 0 100 (a) ᲍Тa=10 (b) ᲍Тb=25 (c) ᲍Тc=16.7 图 10 隶属度函数法推理出的资源占用 Fig. 10 FIS inference result 通过对比云模型和隶属度函数法对资源占用进 行评价的两个实验，分析并得出以下结论： ·300· 智 能 系 统 学 报 第 13 卷