云、虚拟化学习记录(一)

这段时间在了解云、虚拟机方面的知识。听了几次培训,先将能理解的东西记下来。

虚拟技术:

我自己理解的如下所描述(暂时):


我理解的虚拟技术在实现上应该分上图四部分:

1.真正的硬件资源

2.中间层

 中间层的目的就是隔离真实的物理资源,或者将真实的物理资源抽象成一个个的逻辑资源。通常情况下,应该是有一个逻辑资源与硬件资源的映射关系。

3.虚拟实体

 以某种方式将中间层抽象出来的逻辑资源组成一个可用的逻辑资源组,然后以这个逻辑资源组为模拟硬件资源运行操作系统,从而实现虚拟机的功能。

4.管理部分

 在实现虚拟机的过程中很多资源需要管理。如:硬件资源,逻辑资源,虚机实体。所以应该有

个模块来管理这些东西。

疑问:到底是中间层去按需分配相关的硬件资源还是管理部分来实现动态的资源分配?















先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的种。 进化算法最初是借鉴了进化生物学中的些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值