基于自适应蚁群算法的云计算任务调度研究

发布时间：2017-07-06 11:16

  本文关键词：基于自适应蚁群算法的云计算任务调度研究

  更多相关文章： 云计算 任务调度 蚁群算法 自适应

【摘要】：云计算是近年来兴起的一种新的分布式计算。云计算通过网络将包括计算、存储、网络带宽等资源连接起来,形成一个超大规模,并且可以扩展的超级系统,用来满足某些超大规模问题处理的需求,或者提供资源给某些需要这些资源的用户。云计算中,任务调度技术是最核心的技术之一,好的任务调度算法是云计算系统能够合理、高效利用的前提。云计算环境是一种异构、动态的复杂环境,而蚁群算法的鲁棒性、自适应性等恰好与云计算环境相匹配。蚁群算法是一种模拟蚂蚁觅食的智能算法,它在解决寻找最优解方面的问题中以及得到了良好的应用。而云计算任务调度问题本质上讲也是一种寻找最优解的问题。本文在研究了云计算任务调度系统特点的基础上,将蚁群算法应用到云计算任务调度系统中。本文首先针对基于蚁群算法的特点,对蚁群算法各参数对蚁群算法性能的影响进行了实验研究；其次针对云计算任务调度系统的特点,对蚁群算法做出修改以适应云计算环境,提出了基于调度周期的蚁群算法PACO;最后针对PACO算法在参数选取、信息素设定等方面的不足,将粒子群算法应用到蚁群算法参数选取中,提出了基于粒子群算法改进的自适应蚁群算法SAACO,并应用到云计算任务调度系统中。本文对PACO算法和SAACO算法进行仿真实验,并与改进的Min-Min算法,即Min-Min+算法进行比较。实验结果表明,PACO算法和SAAC O算法在系统执行时间和负载均衡方面比Min-Min+算法都有很大的提高。并且,算法参数进行自适应的SAACO算法比PACO算法系统执行时间更短,负载更均衡。
【关键词】：云计算 任务调度 蚁群算法 自适应
【学位授予单位】：大连理工大学
【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
• Abstract5-8
• 1 绪论8-11
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-10
• 1.3 本文主要内容10-11
• 2 云计算任务调度问题综述11-20
• 2.1 云计算概述11-17
• 2.1.1 云计算的主要特点11-12
• 2.1.2 云计算的体系结构和服务模式12-16
• 2.1.3 云计算的主要挑战16-17
• 2.2 云计算下任务调度问题综述17-20
• 2.2.1 云计算下任务调度的特点17-18
• 2.2.2 云计算下任务调度的目标18-20
• 3 蚁群算法参数的实验研究20-31
• 3.1 蚁群算法的数学模型20-25
• 3.1.1 蚁群算法基本原理及特点20-22
• 3.1.2 蚁群算法的数学模型22-24
• 3.1.3 蚁群算法的实现流程24-25
• 3.2 蚁群算法参数研究及实验25-31
• 4 基于粒子群算法的自适应蚁群算法SAACO31-40
• 4.1 粒子群算法31-33
• 4.2 基于粒子群算法的自适应蚁群算法SAACO33-36
• 4.3 SAACO算法仿真与性能分析36-39
• 4.4 SAACO算法在云计算任务调度中的可行性分析39-40
• 5 基于蚁群算法的云计算任务调度算法的设计40-47
• 5.1 云计算任务调度相关算法40-42
• 5.2 基于调度周期的蚁群算法PACO42-44
• 5.3 基于SAACO算法的云计算任务调度算法44-47
• 6 实验与结果分析47-57
• 6.1 云计算任务调度仿真系统CloudSim47-49
• 6.2 实验场景设置49-50
• 6.3 实验结果及分析50-57
• 结论57-58
• 参考文献58-61
• 攻读硕士学位期间发表学术论文情况61-62
• 致谢62-63

【参考文献】

中国期刊全文数据库 前1条

1 孙伟峰;覃振权;李明楚;胡晶;陈媛芳;;QIACO:一种多QoS约束网格任务调度算法[J];电子学报;2011年05期

，

本文编号：525975