融合QoS静默爬虫感知的云任务调度活性表征

发布时间：2018-04-21 17:50

  本文选题：QoS + 静默爬虫　； 参考：《科技通报》2015年02期

【摘要】：传统的基于粒子群的云计算任务调度算法不能感知QoS用户偏好,任务调度活性不强,适应度低。对此提出一种融合QoS静默爬虫感知的云计算任务调度算法,定义活性因子进行活性表征,提高云计算任务调度中的活性,进而提高用户的满意率。设计了网络QoS静默爬虫算法,实现了对云任务的弹性抓取,静默爬虫数据在Javascript程序内部经过变量赋值、传递,字符编码和过滤,在向量空间模型中,进行多QoS因素的静默爬虫活性度表征,得到任务调度分配链路中的比例分值,有效反映出云计算任务调度的结构特征,提高了任务调度效率和活性成分。仿真结果表明,采用多QoS因素静默爬虫感知技术,能有效地反映不同类型任务的QoS偏好,提高了任务调度的活性,整个调度过程的时间开销影响不大,总执行时间最多也仅比传统PSO多了10%左右,但以较少的执行时间增加换取用户的满意率是值得的。展示了算法的优越性能和较好的应用价值。
[Abstract]:Traditional cloud computing task scheduling algorithm based on particle swarm optimization can not perceive QoS user preference, task scheduling activity is not strong, and the adaptability is low. In this paper, a cloud computing task scheduling algorithm based on QoS silent crawler perception is proposed, which defines the active factor to represent the activity, improves the activity of cloud computing task scheduling, and then improves the satisfaction rate of users. A network QoS silent crawler algorithm is designed, which realizes the elastic capture of cloud tasks. The silent crawler data is assigned, transmitted, encoded and filtered by variables in the Javascript program, and is used in vector space model. The multiple QoS factors are used to characterize the activity of silent crawler, and the proportional score in the task scheduling allocation link is obtained, which effectively reflects the structural characteristics of cloud computing task scheduling, and improves the efficiency and active components of task scheduling. The simulation results show that the multiple QoS factor silent crawler sensing technology can effectively reflect the QoS preference of different types of tasks and improve the activity of task scheduling. The time cost of the whole scheduling process is not significant. The total execution time is only about 10% more than the traditional PSO, but it is worthwhile to increase the execution time in exchange for the satisfaction rate of the user. The superior performance and good application value of the algorithm are demonstrated.
【作者单位】： 天津体育学院体育文化传媒系;
【分类号】：TP393.09;TP391.1

【参考文献】

中国期刊全文数据库 前3条

1 孟宪福;解文利;;基于免疫算法多目标约束P2P任务调度策略研究[J];电子学报;2011年01期

2 许丞;刘洪;谭良;;Hadoop云平台的一种新的任务调度和监控机制[J];计算机科学;2013年01期

3 张松慧;熊锦江;;一种针对非平稳网络任务调度防冲突算法研究[J];科技通报;2013年10期

【共引文献】

中国期刊全文数据库 前10条

1 朱思峰;刘芳;戚玉涛;柴争义;吴建设;;异构无线网络中基于免疫计算的联合会话接纳控制[J];电子学报;2011年11期

2 柴争义;陈亮;朱思峰;沈连丰;;认知无线网络中基于免疫克隆优化的功率分配[J];电子科技大学学报;2013年01期

3 陈旭文;林若波;;云存储在高校信息化管理中的应用研究[J];甘肃联合大学学报(自然科学版);2013年04期

4 靳萌;穆希辉;杜峰坡;郭浩亮;;串列立体仓库存取路径规划问题求解[J];包装工程;2013年15期

5 柴争义;刘冉;王颖锋;朱思峰;;认知无线网络中基于免疫优化的比例公平资源分配[J];北京理工大学学报;2013年08期

6 朱思峰;刘芳;柴争义;戚玉涛;;基于免疫计算的IEEE 802.16j网络基站及中继站选址优化[J];计算机研究与发展;2012年08期

7 靳萌;穆希辉;杜峰坡;陈建华;;基于动态规划与免疫遗传算法的多穿越巷道拣选路径规划研究[J];计算机测量与控制;2013年11期

8 杨浩;滕飞;李天瑞;李f，

本文编号：1783487