基于蚁群优化的云计算资源调度

发布时间：2017-04-08 16:13

  本文关键词：基于蚁群优化的云计算资源调度，由笔耕文化传播整理发布。

【摘要】：云计算架构可以为用户提供计算、存储、网络等丰富的资源,同时还可以为用户提供动态的数据服务和计算平台。虚拟资源分配技术是云计算架构获得成功的关键,一个好的资源分配方案对于云平台作用的良好发挥有着重要的意义。蚁群算法是云环境中关于资源调度和分配的传统算法,具有异构性、分布式的特点,且初始条件不高,非常合适云计算环境下的资源调整。同时该算法也存在着资源节点负载不平衡、资源利用低等不足。为弥补传统蚁群算法的不足,本文提出一种基于劣化因子的预处理机制,对蚁群算法加以改进,并基于研究结果进行了仿真实验。实验结果表明,在合理选择劣化因子的前提下,基于优化蚁群算法的资源调度策略具有更好的负载均衡度以及更好的资源利用率,并且优化后的蚁群算法缩短了任务执行的平均时间,且具有更强的全局搜索能力。在对劣化因子预处理时,其关键环节是确定劣化因子的取值范围。本文采用一种动态且折中的方式,主要基于以下两点考虑:(1)云计算环境下,经常会有新节点加入到云环境中,同时也会有节点会被迫退出云环境。这种动态性是资源调整的特质之一;(2)劣化因子选取必须要适中,所谓动态,就是针对有差异的调整环境动态地选择劣化因子的取值界限;所谓折中,就是第一步确定0.5是中间值,然后在此周围先输入大一些的值,然后输入小一点的值,依次循环往复通过这种方法就能求得劣化因子取值的界限了。本文的仿真实验分成两个步骤:其一是针对劣化因子的选择;其二是优化蚁群算法与标准蚁群算法的仿真。之后,分析优化的蚁群算法和标准的蚁群算法的结果。
【关键词】：云环境 蚁群算法 劣化因子
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP393.09
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-12
• 1.1 研究背景及意义9
• 1.2 研究现状9-10
• 1.3 本文主要的研究工作10-11
• 1.4 本文结构11-12
• 第2章 相关理论12-26
• 2.1 云计算资源调整12-16
• 2.1.1 云环境下的资源调度的相关概念13-14
• 2.1.2 云环境下的资源调整的特点14-15
• 2.1.3 云环境下的资源调度策略的评判指标15-16
• 2.2 传统调整算法的相关研究16-20
• 2.2.1 最小-最小算法和最大-最小算法16-18
• 2.2.2 投机负载均衡算法18
• 2.2.3 SUFFERAGE算法18-19
• 2.2.4 轮循调整算法19
• 2.2.5 传统调整算法的比较19-20
• 2.3 启发式调整算法的研究20-24
• 2.3.1 遗传算法20-21
• 2.3.2 粒子群算法21-23
• 2.3.3 模拟退火算法23
• 2.3.4 蚁群算法23
• 2.3.5 关于启发式调整算法的比较23-24
• 2.4 资源调整算法的局限和优化的途径24
• 2.5 典型的资源调整模型MAP/REDUCE介绍24-25
• 2.6 本章小结25-26
• 第3章 劣化因子蚁群算法的资源调整方案26-38
• 3.1 基于蚁群算法的TSP数学模型26-32
• 3.1.1 蚁群算法的原理26-27
• 3.1.2 蚁群算法的特点27-28
• 3.1.3 TSP数学模型28-32
• 3.2 根据蚁群算法的优化资源调整方案32-37
• 3.2.1 设计的劣化因子预处理机制32-34
• 3.2.2 资源调整方案的基本步骤34-37
• 3.3 本章小结37-38
• 第4章 实验仿真与数据分析38-52
• 4.1 实验环境38
• 4.2 仿真实验的说明38-39
• 4.3 劣化因子的仿真实验39-44
• 4.4 改进算法与标准算法的仿真实验44-51
• 4.4.1 实验第一阶段44-47
• 4.4.2 实验第二阶段47-51
• 4.5 本章小结51-52
• 第5章 总结与展望52-53
• 5.1 总结52
• 5.2 展望52-53
• 参考文献53-56
• 致谢56

【相似文献】

中国期刊全文数据库 前10条

1 周建涛;陆海燕;叶新铭;;面向资源调度的矩阵规范化方法研究[J];中山大学学报(自然科学版);2009年01期

2 夏文明;李国富;;资源调度问题研究综述[J];机电工程;2009年07期

3 林伟伟;齐德昱;;云计算资源调度研究综述[J];计算机科学;2012年10期

4 杨继君;许维胜;黄武军;吴启迪;;基于多灾点非合作博弈的资源调度建模与仿真[J];计算机应用;2008年06期

5 梁金华;;基于仿真网格平台的资源调度算法模拟[J];科技信息;2010年18期

6 薛玉;;云计算环境下的资源调度优化模型研究[J];计算机仿真;2013年05期

7 罗丹;;云计算资源调度算法仿真[J];计算机仿真;2013年07期

8 谢斌;林华;;联合战场资源调度问题综述[J];舰船电子工程;2013年10期

9 林永毅,张智江,廖黛丽,倪凌;电信传输资源及调度一体化管理的研究与实现[J];电信科学;2002年10期

10 吉军;蔚承建;陈胜峰;陈旭;;分散式多工厂资源调度中的一种理性策略[J];计算机应用;2010年11期

中国重要会议论文全文数据库 前3条

1 曹东旭;刘明阳;;基于马尔科夫决策链的作战资源调度[A];2014第二届中国指挥控制大会论文集（上）[C];2014年

2 王兵;贾利民;龙慧;郭杜杜;马玉春;;新疆公路网交通事故应急救援资源调度系统设计及应用[A];第七届中国智能交通年会优秀论文集——智能交通应用[C];2012年

3 丛慧芳;王文生;谢能付;;农业信息网格环境中数据传输资源调度方法研究[A];中国农业信息科技创新与学科发展大会论文汇编[C];2007年

中国重要报纸全文数据库 前1条

1 本报记者 吴挺;云计算的管理需求显现[N];计算机世界;2009年

中国博士学位论文全文数据库 前10条

1 王小乐;信息物理融合系统资源调度关键技术研究[D];国防科学技术大学;2014年

2 吴晓民;能量捕获驱动的异构网络资源调度与优化研究[D];中国科学技术大学;2016年

3 朱锐意;LTE系统资源动态分配算法研究[D];中国科学技术大学;2016年

4 王力;铁路集装箱中心站关键资源调度优化理论与方法[D];北京交通大学;2014年

5 马满福;基于计算经济的网格资源管理研究[D];西北工业大学;2007年

6 冉泳屹;云环境下基于随机优化的动态资源调度研究[D];中国科学技术大学;2015年

7 徐昕;基于博弈论的云计算资源调度方法研究[D];华东理工大学;2015年

8 徐劲松;SLA约束下的云资源调度关键技术研究[D];南京邮电大学;2013年

9 张静乐;网络环境下协同服务关键技术研究[D];北京科技大学;2011年

10 田国忠;多DAG共享资源调度的若干问题研究[D];北京工业大学;2013年

中国硕士学位论文全文数据库 前10条

1 朱颂雅;基于列车到发时刻约束的铁路集装箱中心站装卸资源调度优化[D];北京交通大学;2016年

2 鲁陈璐;制造系统柔性资源调度问题及其优化算法研究[D];浙江大学;2016年

3 王丹;改进混合蛙跳算法在云资源调度中的应用[D];太原理工大学;2016年

4 单娟;机群保障资源调度管理系统[D];华中科技大学;2014年

5 何维坤;合作多播中资源调度和用户公平性的研究[D];南京邮电大学;2016年

6 颜斌;云环境下资源调度的优化算法和应用研究[D];南京邮电大学;2016年

7 余丹;基于蔓延预测的森林灭火资源调度系统[D];中南林业科技大学;2016年

8 周刚;基于多态蚁群算法的云计算节能资源调度[D];重庆大学;2016年

9 严焱心;云计算环境下的服务调度和资源调度研究[D];中国民航大学;2014年

10 韩翔;基于蚁群优化的云计算资源调度[D];吉林大学;2016年

  本文关键词：基于蚁群优化的云计算资源调度，由笔耕文化传播整理发布。

，

本文编号：293213