中文摘要：

情景感知的工作流管理技术被广泛用于提高工作流在分布式异构环境中的适应性。现有系统的适应性主要体现在工作流定义、资源调度和服务行为等方面。我们发现有更多影响执行性能的其它因素，如执行代码的获取、控制线程管理和数据移动等机制。各因素不同实现策略的组合可以组成不同的执行模型。当前的研究缺乏系统的工作流执行建模和动态按应用的特点自动选择并配置执行模型的机制，这降低了异构工作流在复杂多流程共存环境如物联网中的执行效率。而物联网应用如医疗保健对实时性要求较高，这将阻碍物联网应用的推广。本项目旨在采用情景感知的技术系统地分析各因素对工作流管理的性能影响，从而构建执行模型自适应的工作流管理机制。首先构建多维度工作流执行模型，然后设计特定态势和情景下的最佳执行模型的自动选择算法、有效的自主执行管理机制，最终形成基于情景感知的工作流执行模型自适应的系统原型。我们的研究结果将为推广物联网计算提供必要的支撑技术。

结论摘要：

情景感知的工作流管理技术被广泛用于提高工作流在分布式异构环境中的适应性。当前的研究缺乏系统的工作流执行建模和自动选择并配置执行模型的机制，造成在复杂多流程共存环境如物联网中工作流的执行效率比较低。 本项目研究基于情景感知的执行模型自适应的工作流管理机制及其相应算法，提高复杂多流程共存环境中工作流的执行效率（1）针对决策中大数据处理的时效性问题，提出数据局部性敏感的任务调度算法，有效提高在异构计算环境中MapReduce的系统性能。（2）针对决策需要寻找及时有效的学习算法问题，对四个经典机器学习算法（BP、ELM、I- ELM 和 SVM）的准确性、过度拟合、误差分布、输出分布等进行全面的比较学习分析。(3)针对图对数据挖掘的重要性及构造图的时效性，我们设计、分析并评估从海量数据中提取有向图的基于MapReduce的边权值的计算方法。(4)在态势和情景信息中，节点位置信息是一个重要组成部分。针对成本较低的RSSI测距技术的误差较大问题，提出基于最大后验概率的传感器节点定位算法，获得在较短的时间内完成对未知节点的定位和较小的平均定位误差；针对基于RSS的测距容易受到多径现象影响问题，提出基于RSS测距区分多条无线电路径的方法，提高其定位精度；针对动态环境中多物体的定位问题，提出一系列利用传感器节点来跟踪免收发器对象的算法。在不需要校准的情况下取得较好的单个物体和多个物体的定位精度。（5）针对收集态势信息需要保证网络的连通性问题，提出基于贪婪迭代的传感器网络覆盖增强算法，最大化所有传感器节点的最短生存时间。（6）针对采集必要的日志数据同时尽可能降低其运行期开销的问题，设计、实现并评估面向云计算的粒度自配置日志采集平台。（7）针对影响工作流的执行效率的多维度因素，划分工作流执行模型，比较其性能，并设计执行模型自适应的工作流管理算法。 项目按照计划进度正常执行，实际经费支出与预算基本相符，执行期间项目组成员共发表论文10篇，其中包括SCI期刊IEEE TPDS和Neurocomputing，高质量国际会议InfoComm和ICDCS等论文。作为主要参与人获得广东省科学技术奖励一等奖、第三届高等学校自制实验教学仪器设备现场终评一等奖，广东省“思科杯”大学生网络创意大赛二等奖各一项。已提交申请中文专利1项,待出版中文编著1本，修改中论文多篇，达到预期目标。