云环境下基于改进的蚁群算法任务调度策略的研究
发布时间：2022-01-23 06:28
云计算作为一种新兴的技术,逐渐为学界和产业界所认知。云计算是由一系列可用资源组成,这些资源不仅可以动态升级、被虚拟化,而且可以被所有用户共享和访问。另外,云计算只需要通过动态的扩展,就可以增加服务。用户不需要掌握云计算的技术,而仅仅需要按照个人或者团体的需要租赁云计算的资源。云计算可以应用于所有人,要处理庞大的任务量和数据量。因此这就要求云系统几乎每时每刻的处理海量任务。所以如何合理的分配云资源,高效的调度云任务是云计算面临的一个挑战。由于目前云计算的发展还处于初期,云环境下任务调度算法的研究成果相当少,现存的调度算法考虑因素也过于简单化,所以不能满足用户动态的性能要求。本文在云计算体系结构和已有的任务调度算法的基础上,设计了一种考虑时间、成本、带宽、可靠性约束负载均衡的蚁群优化算法的云任务调度策略。此调度算法不仅充分考虑了其他调度算法考虑的因素如任务处理时间和执行费用,还创新性的考虑了带宽和可靠性因素；云中资源负载不仅可以处在一个相对均衡的状态,而且还具有一定的免疫记忆能力。这个算法可以极大的满足用户QOS需求,有效的预防云环境中的过载状况,并可以提高资源利用率。然后又将该蚁群优化算...
【文章来源】：东北大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 云任务调度研究现状
1.3 选题意义
1.4 论文的组织结构
1.4.1 论文的主要内容
1.4.2 论文的组织结构
第2章 相关技术
2.1 云计算相关技术
2.1.1 云计算理论
2.1.2 云任务调度和其他任务调度的比较
2.2 基本蚁群优化算法
2.3 生物免疫原理
2.4 容错技术
2.5 卡尔曼滤波技术
2.6 本章小结
第3章 基于云平台的改进的蚁群算法的研究
3.1 关于TSP问题的基本蚁群算法
3.2 基于ACO部分算法的设计
3.2.1 基于蚁群算法部分的模型设计
3.2.2 约束函数
3.2.3 寻找最合适的计算资源
3.3 基于生物免疫部分算法的设计
3.3.1 相关定义
3.3.2 两个记忆信息库的建立
3.3.3 任务相似度检测算法
3.3.4 资源优选记忆信息库更新规则
3.4 算法其他部分的设计
3.5 改进的蚁群算法的实现流程
3.6 本章小结
第4章 基于云平台的改进的容错算法的研究
4.1 容错的基本要求
4.2 基于云平台自适应容错模型的设计
4.2.1 错误检测服务
4.2.3 错误管理服务和错误处理决策服务
4.3 基于云平台的自适应容错算法的实现
4.3.1 错误检测模块
4.3.2 错误处理决策模块
4.3.3 自适应容错算法的流程
4.4 本章小结
第5章 算法仿真与结果分析
5.1 CloudSim简介
5.2 CloudSim的具体使用过程
5.2.1 CloudSim配置
5.2.2 仿真流程及程序编写步骤
5.2.3 重新编译CloudSim
5.3 云环境下任务调度算法仿真实验
5.4 本章小结
结论与展望
参考文献
致谢
【参考文献】：
期刊论文
[1]实时多任务并行计算系统的容错技术[J]. 徐晓东,赵建亭,许春雷. 计算机工程与应用. 2013(09)
[2]云计算与网格计算的比较研究[J]. 申丽君,杨兰娟,赵华. 电脑知识与技术. 2011(17)
[3]云计算及其关键技术研究[J]. 高林,宋相倩,王洁萍. 微型机与应用. 2011(10)
[4]基于轮盘赌编码和粒子群算法的并行机调度优化[J]. 高潮,刘志雄. 机械制造. 2010(06)
[5]卡尔曼滤波的基本原理及应用[J]. 彭丁聪. 软件导刊. 2009(11)
[6]基于贴近度的本体概念属性相似度计算[J]. 高炜,梁立. 长春大学学报. 2009(08)
[7]基于免疫记忆的蚁群算法[J]. 苏淼,钱海,王煦法. 计算机仿真. 2007(10)
博士论文
[1]基于免疫算法的分类方法及其应用研究[D]. 叶莲.重庆大学 2012
硕士论文
[1]蚁群算法在路径规划问题中的应用研究[D]. 玉坤.北京工业大学 2012
[2]鲁棒卡尔曼算法及其应用研究[D]. 吴飞.华南理工大学 2012
[3]网格中基于自适应容错机制的任务调度算法[D]. 樊银涛.武汉理工大学 2011
[4]基于蚂蚁免疫记忆优化算法的网格任务调度研究[D]. 任燕.西安建筑科技大学 2010
[5]云环境下作业调度算法研究与实现[D]. 赵春燕.北京交通大学 2009
[6]网格容错关键技术的研究[D]. 黄炜元.清华大学 2008
[7]网格环境下基于动态调度策略的自适应容错机制的研究[D]. 高元涛.中国石油大学 2008
本文编号：3603787
【文章来源】：东北大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 云任务调度研究现状
1.3 选题意义
1.4 论文的组织结构
1.4.1 论文的主要内容
1.4.2 论文的组织结构
第2章 相关技术
2.1 云计算相关技术
2.1.1 云计算理论
2.1.2 云任务调度和其他任务调度的比较
2.2 基本蚁群优化算法
2.3 生物免疫原理
2.4 容错技术
2.5 卡尔曼滤波技术
2.6 本章小结
第3章 基于云平台的改进的蚁群算法的研究
3.1 关于TSP问题的基本蚁群算法
3.2 基于ACO部分算法的设计
3.2.1 基于蚁群算法部分的模型设计
3.2.2 约束函数
3.2.3 寻找最合适的计算资源
3.3 基于生物免疫部分算法的设计
3.3.1 相关定义
3.3.2 两个记忆信息库的建立
3.3.3 任务相似度检测算法
3.3.4 资源优选记忆信息库更新规则
3.4 算法其他部分的设计
3.5 改进的蚁群算法的实现流程
3.6 本章小结
第4章 基于云平台的改进的容错算法的研究
4.1 容错的基本要求
4.2 基于云平台自适应容错模型的设计
4.2.1 错误检测服务
4.2.3 错误管理服务和错误处理决策服务
4.3 基于云平台的自适应容错算法的实现
4.3.1 错误检测模块
4.3.2 错误处理决策模块
4.3.3 自适应容错算法的流程
4.4 本章小结
第5章 算法仿真与结果分析
5.1 CloudSim简介
5.2 CloudSim的具体使用过程
5.2.1 CloudSim配置
5.2.2 仿真流程及程序编写步骤
5.2.3 重新编译CloudSim
5.3 云环境下任务调度算法仿真实验
5.4 本章小结
结论与展望
参考文献
致谢
【参考文献】：
期刊论文
[1]实时多任务并行计算系统的容错技术[J]. 徐晓东,赵建亭,许春雷. 计算机工程与应用. 2013(09)
[2]云计算与网格计算的比较研究[J]. 申丽君,杨兰娟,赵华. 电脑知识与技术. 2011(17)
[3]云计算及其关键技术研究[J]. 高林,宋相倩,王洁萍. 微型机与应用. 2011(10)
[4]基于轮盘赌编码和粒子群算法的并行机调度优化[J]. 高潮,刘志雄. 机械制造. 2010(06)
[5]卡尔曼滤波的基本原理及应用[J]. 彭丁聪. 软件导刊. 2009(11)
[6]基于贴近度的本体概念属性相似度计算[J]. 高炜,梁立. 长春大学学报. 2009(08)
[7]基于免疫记忆的蚁群算法[J]. 苏淼,钱海,王煦法. 计算机仿真. 2007(10)
博士论文
[1]基于免疫算法的分类方法及其应用研究[D]. 叶莲.重庆大学 2012
硕士论文
[1]蚁群算法在路径规划问题中的应用研究[D]. 玉坤.北京工业大学 2012
[2]鲁棒卡尔曼算法及其应用研究[D]. 吴飞.华南理工大学 2012
[3]网格中基于自适应容错机制的任务调度算法[D]. 樊银涛.武汉理工大学 2011
[4]基于蚂蚁免疫记忆优化算法的网格任务调度研究[D]. 任燕.西安建筑科技大学 2010
[5]云环境下作业调度算法研究与实现[D]. 赵春燕.北京交通大学 2009
[6]网格容错关键技术的研究[D]. 黄炜元.清华大学 2008
[7]网格环境下基于动态调度策略的自适应容错机制的研究[D]. 高元涛.中国石油大学 2008
本文编号：3603787
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3603787.html
