我校計算機學院（軟件學院）周建濤教授課題組專注于算力網絡與軟件工程領域相關研究，包括云計算、大數據、軟件測試與驗證、形式化描述技術等。近期，團隊在云計算關鍵技術及形式化描述方向取得了新的研究進展。以下為成果簡述：

在云計算關鍵技術方面，發表研究成果“A Reinforcement Learning Based Framework for Holistic Energy Optimization of Sustainable Cloud Data Centers”，該成果發表在服務計算領域頂級國際期刊，也是中國計算機學會（CCF）推薦的A類期刊IEEE Transactions on Services Computing (TSC)上。

（論文鏈接：）

云數據中心規模和數量不斷擴大導致能耗及碳排放的顯著增加。主要的云服務供應商已經開始探索利用傳統電能和可再生能源共同為云數據中心供能，形成混合供能云數據中心。然而，由于資源請求的隨機性以及可再生能源的波動性和間歇性，采用混合供能方式的云數據中心往往存在虛擬機過度整合或過度制冷導致的整體能耗浪費。為了解決這個問題，論文基于“MAPE”的設計原則，提出基于深度強化學習的云數據中心整體能耗優化框架。

該框架包括（1）MTL-LSTM預測模型，將LSTM作為參數共享層，通過多任務學習提高能耗和進氣溫度的聯合預測精度，有效評估云數據中心整體的能耗和熱狀態；（2）BayesDDQN資源調度方法，將貝葉斯優化應用于深度強化學習尋優過程，解決計算資源和制冷資源調度時混合動作空間的異步性問題，從而協同優化多能源、多能耗以達到整體能耗最優；（3）Pre-cooling預制冷策略，將冗余的可再生能源用于“熱點”消除而無需引入額外的虛擬機遷移。同相關研究中的方法相比，本研究整體能耗降低3.22%，制冷能耗降低16.61%，整體能效得到進一步提升。

圖1 混合供能云數據中心整體能耗優化框架圖

內蒙古大學為論文第一完成單位，這項研究得到了國家自然科學基金、呼和浩特市科技計劃專項等項目的支持。

在形式化描述方向，發表研究成果“A Reduced State Space Generation Method for Concurrent Systems Based on CPN-PR Model”，該成果被計算機輔助設計領域頂級國際學術期刊，也是CCF推薦A類期刊IEEE Transactions on Computer-Aided Design of Integrated Circuits And System (TCAD)正式錄用。

（論文連接：）

現代智能計算機、手機、高端電視機等新型設備多運用到多核、分布式、嵌入式等新型并發模式。并發模式能夠有效提高現代新型設備的計算效率，但在該模式影響下的并發系統通常具有執行不確定性和交互復雜性的特點，給軟件的正確性驗證帶來了挑戰。為緩解狀態空間爆炸問題，論文在形式化描述領域展開研究，提出一種基于屬性相關著色Petri網（Property-related Colored Petri Net，簡稱CPN-PR）模型的約簡狀態空間自動生成方法。

該方法提出CPN-PR模型的概念及相關定義，擴展了著色Petri網模型的屬性相關性描述能力，并根據屬性相關的并發行為不會影響屬性檢測結果的原理，有效實現了約簡狀態空間的自動生成。圖2概述了方法總體框架，具體包含屬性分析（Property Analyzing）、屬性相關行為自動標記（Related Behaviors Marking）、可激活綁定元素過濾（BES Filtering）的以及約簡狀態空間約簡生成（SSPR Generation）方法。

圖2 基于CPN-PR模型的

約簡狀態空間生成方法整體概述圖

該方法能夠為智能制造、智慧交通、智能醫療等領域提供高效的基礎建模理論，幫助提高系統開發階段的系統驗證效率，從而提升工業控制系統的實時性和可靠性。其核心價值在于以理論創新推動實際應用，助力我國在關鍵領域實現技術自主與產業升級，同時對于基于CPN的并發軟件建模、仿真和可達分析方法領域問題的研究具有重要參考價值。

內蒙古大學為論文第一完成單位，該研究得到了國家自然科學基金、自治區科技計劃等項目的支持。

01

02

03

來源 ：內蒙古大學新聞網

編輯 ：牛國欣

責編 ：武濤 張馳 白玥涵

校審 ：田雨禾 高嫚聆

審核 ：劉雪峰

終審 ：阿茹娜