云环境下任务分配策略的研究

发布时间：2017-10-20 00:11

  本文关键词：云环境下任务分配策略的研究

  更多相关文章： 匈牙利算法 负载均衡 云计算 蚁群算法 任务分配

【摘要】：云计算平台以数据存储及数据处理为主的计算和数据存储处理兼顾的综合平台。选择合适任务分配策略来提高云计算平台整体性能,为云计算亟待解决的课题之一。本文设计了一种快速降阶优化算法的云计算任务分配模型,并针对云计算平台下任务分配问题设计了推荐框架下的蚁群算法。本文详细阐述了任务分配方案的具体实现步骤和思路及仿真方案,研究成果具有一定的学术研究价值和工程应用价值。本文主要研究工作及成果如下:1.云计算平台的相关概述。介绍了云计算的发展过程,并给出了几个云计算主要的技术问题,介绍关键研究方法同时引入了负载均衡这个理念;并且分析总结了当前主流的负载均衡实现方案。2.快速降阶匈牙利算法的云计算任务分配模型的设计。匈牙利算法的求解过程中将成本矩阵或分配矩阵作行列缩减处理后,往往要进行多次迭代,求解效率并不高。因此在标准匈牙利算法的基础上,设计了一种快速降阶优化算法的云计算任务分配模型。算法不断剔除已确定的部分分配方案及其对应代价矩阵元素,逐次降低代价矩阵的阶次,从而实现快速搜寻全局任务分配问题的最优解。并可根据成本矩阵规模将矩阵分解成多个矩阵,使得本文算法在任务和计算机不对等的情况下同样适用。3.推荐框架下蚁群算法的云计算任务分配模型的设计。本文设计了推荐框架下的蚁群算法,预判断云计算任务需求,并推荐不同算子规则,使得资源池中资源能够被充分利用,同时设计了不同的局部搜索策略,使得蚁群算法在迭代过程中能够自适应嵌入局部搜索策略。另外在蚂蚁位置初始化和可行解构造时分别设计了四种策略,两个算子的不同策略进行组合生成不同的算例。不同类型任务推荐不同算例。4.对上述算法分别建立模型并实验仿真。通过Matlab软件对降阶优化算法与经典的匈牙利算法的效率及负载均衡性进行对比和分析,仿真结果表明改进算法计算耗时远远小于匈牙利算法,并能有效提高计算机的利用率。带有推荐机制的蚁群算法的实验仿真是基于Cloud Sim环境的,通过负载均衡性及TOPSIS评价得分对算法进行验证,表明改进的算法能有效提高计算机利用率和服务效果。
【关键词】：匈牙利算法 负载均衡 云计算 蚁群算法 任务分配
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP302;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 背景及意义9-11
• 1.2 研究现状及本文研究方向11-12
• 1.2.1 云计算任务分配策略的研究现状11
• 1.2.2 本文的研究方向11-12
• 1.3 本文整体结构12-14
• 第二章 云计算概况14-29
• 2.1 云计算介绍14-16
• 2.1.1 云计算的定义14-15
• 2.1.2 云计算的特征15-16
• 2.1.3 云计算的优势16
• 2.2 云计算的分类16-19
• 2.2.1 根据服务类型分类17-18
• 2.2.2 根据服务方式分类18-19
• 2.3 云计算的应用19-20
• 2.3.1 云计算适用的场合19
• 2.3.2 云计算不适用的场合19-20
• 2.4 云计算的关键技术20-23
• 2.4.1 物理资源虚拟化20-21
• 2.4.2 数据存储、管理技术21
• 2.4.3 SOA架构21-22
• 2.4.4 编程的并行模型22
• 2.4.5 Agent代理技术22-23
• 2.5 云计算中的云任务分配23-27
• 2.5.1 标准云计算任务分配模型23-24
• 2.5.2 云环境下分配算法的目标24
• 2.5.3 云计算任务分配特点24-25
• 2.5.4 传统分配算法25-27
• 2.6 负载均衡策略27-28
• 2.7 本章小结28-29
• 第三章 快速降阶匈牙利算法的云计算任务分配模型29-45
• 3.1 匈牙利算法介绍29-31
• 3.2 匈牙利算法的云计算模型31-34
• 3.3 不对称的任务分配模型34-36
• 3.4 快速降价匈牙利算法的应用36-41
• 3.5 实验仿真41-44
• 3.5.1 算法耗时比较41-43
• 3.5.2 算法负载率的比较43-44
• 3.6 本章小结44-45
• 第四章 推荐框架下蚁群算法的云计算任务分模型45-62
• 4.1 蚁群算法简介45-46
• 4.2 基于云环境的标准蚁群算法模型46-48
• 4.2.1 相关变量的定义46-47
• 4.2.2 目标的优化47
• 4.2.3 约束条件47-48
• 4.3 算子推荐机制过程48-50
• 4.4 蚁群算法规则库构建50-51
• 4.4.1 蚂蚁位置初始化50
• 4.4.2 构造可行解50-51
• 4.4.3 TOPSIS评价方法51
• 4.5 局部搜索算子设计51-54
• 4.5.1 按列置换的领域搜索52-53
• 4.5.2 矩阵置换的领域搜索53-54
• 4.6 局部搜索算子的推荐策略54-55
• 4.7 实验与仿真55-61
• 4.7.1 不同类型算例规则的选择56-59
• 4.7.2 对比标准蚁群算法59-60
• 4.7.3 局部搜索的应用60-61
• 4.8 本章小结61-62
• 第五章 总结与展望62-64
• 5.1 研究总结62-63
• 5.2 课题展望63-64
• 参考 文献64-66
• 致谢66-67
• 攻读学位期间研究成果67-68

【共引文献】

中国期刊全文数据库 前3条

1 苏淑霞;;面向云计算的任务调度算法研究[J];安徽大学学报(自然科学版);2014年05期

2 苏淑霞;;粒子群算法在云计算任务调度中的应用[J];南京师大学报(自然科学版);2014年04期

3 黄少荣;;云计算任务调度算法研究[J];沈阳师范大学学报(自然科学版);2015年03期

，

本文编号：1064125