基于动态遗传算法的云计算任务节能调度策略研究

发布时间：2017-04-12 02:03

  本文关键词：基于动态遗传算法的云计算任务节能调度策略研究，，由笔耕文化传播整理发布。

【摘要】：云计算的飞速发展伴随着许多大型数据中心的建立。海量的数据中心会消耗巨大的电力能源,增加云计算的操作成本,并导致二氧化碳的排放量升高,对全球气候造成影响。随着云计算规模的不断的扩张,数据中心的能耗控制问题也日益突出。如何有效降低基础设施能耗的问题具有重大的经济意义与环保意义。任务调度问题一直是云计算领域的一个研究热点。任务调度策略是决定云任务执行效率的关键所在,旨在高效合理的将计算资源分配给云任务,从而最终达到一些特定的优化目标,如:缩短任务的执行时间或降低基础设施能量消耗等。近年来,一些人工智能方法的运用引起了广泛关注,其中,遗传算法依靠其“全局寻优,快速收敛”的特征被高效的利用于求解任务调度问题。论文结合对云计算体系结构的分析,从数据中心层面入手,构建了一套能量感知的双适应度动态遗传调度策略。该调度策略基于传统的遗传算法,设定了带权重的双优化目标,分别是任务的执行时间与基础设施的能量消耗,通过调整优化权重可以控制优化重心。该调度策略还充分考虑云计算环境的动态特征,使用了改进的种群迭代方法来有效应对云计算环境下发生的性能改变,使用改进的遗传算子来保证云计算环境下任务调度策略的有效性,并提出再选择策略来加快算法寻优的收敛速度,从而可以在数据中心发生性能改变或处理规模较大的数据集时高效快速的做出反应。论文论文最后使用Cloud Sim-3.0仿真工具构造了多种云计算环境下的调度场景,并将本文提出的能量感知的双适应度动态遗传调度策略与顺序调度策略、贪心调度策略以及蚁群调度策略等比较著名的云计算调度模型进行了对比,分别验证了本文提出的调度策略在优化任务执行时间方面的性能、优化基础设施能耗方面的性能、处理各种规模数据集时的可靠性以及不同优化权重比例对优化结果的影响。实验结果证明:本文提出的能量感知的双适应度动态遗传调度策略可以有效的应对云计算环境下的性能改变,可以高效的处理各种规模的数据集,并且在减少任务执行时间以及降低基础设施能耗方面具有明显优势。
【关键词】：云计算 任务调度 能量感知 动态遗传算法 双适应度 Cloud Sim
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;TP393.07
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-16
• 1.1 研究背景9-13
• 1.2 研究现状13-14
• 1.3 主要研究内容14-15
• 1.4 论文组织结构15-16
• 第2章 云计算任务调度问题综述16-23
• 2.1 云计算体系结构16-18
• 2.2 云计算任务调度策略18-22
• 2.2.1 顺序调度策略18-19
• 2.2.2 贪心调度策略19-20
• 2.2.3 蚁群调度策略20-22
• 2.3 本章小结22-23
• 第3章 能量感知的动态遗传调度策略底层模型研究23-30
• 3.1 问题描述23
• 3.2 模型建立23-29
• 3.2.1 任务执行时间模型23-26
• 3.2.2 基础设施能耗模型26-28
• 3.2.3 云环境动态性能模型28-29
• 3.3 本章小结29-30
• 第4章 能量感知的动态遗传调度策略上层算法研究30-44
• 4.1 问题描述30-31
• 4.2 能量感知的多适应度动态遗传算法31-43
• 4.2.1 染色体的编码与解码31-32
• 4.2.2 适应度函数32-33
• 4.2.3 初始种群生成33-34
• 4.2.4 遗传算子34-40
• 4.2.5 停止准则40
• 4.2.6 再选择策略40
• 4.2.7 优化代价函数40-41
• 4.2.8 算法总体流程41-43
• 4.3 本章小结43-44
• 第5章 基于Cloud Sim的调度场景设计与实现44-60
• 5.1 Cloud Sim体系结构及类架构44-48
• 5.2 功能模块及相关组件48-55
• 5.2.1 工作负载模块及实现49-50
• 5.2.2 能量消耗模块及实现50-52
• 5.2.3 实体发现模块及实现52-53
• 5.2.4 任务调度模块及实现53-55
• 5.3 基于能量感知的动态遗传调度场景类架构55-58
• 5.4 本章小结58-60
• 第6章 实验及结果分析60-73
• 6.1 基于Cloud Sim的模拟环境搭建60-61
• 6.1.1 Cloud Sim实验环境搭建60
• 6.1.2 服务器环境搭建60-61
• 6.2 实验验证61-72
• 6.2.1 实验方法61
• 6.2.2 实验参数配置61-63
• 6.2.3 仿真流程63-65
• 6.2.4 实验结果及分析65-72
• 6.3 本章小结72-73
• 结论73-74
• 参考文献74-78
• 攻读学位期间发表的学术论文78-80
• 致谢80

【参考文献】

中国期刊全文数据库 前1条

1 张纪会,高齐圣,徐心和;自适应蚁群算法[J];控制理论与应用;2000年01期

  本文关键词：基于动态遗传算法的云计算任务节能调度策略研究，由笔耕文化传播整理发布。

本文编号：300442