基于改进的布谷鸟算法在云计算资源的研究

发布时间：2020-03-08 14:30

【摘要】：如何进行更好地资源调度一直都是云计算研究的热点,在云计算资源算法中引入布谷鸟算法,针对布谷鸟算法中出现的收敛速度快,容易局部震荡等现象,首先引入高斯变异算子来处理每一个阶段中的鸟窝最佳位置的选择,然后通过自适应动态因子来调整不同阶段中的鸟窝位置的选择,使得改进后的算法收敛精度提高,通过适应度函数的平衡以及遗传算法中的3种操作,使得该算法能够有效的提高云计算环境下的资源分配效率,降低了网络消耗;在Cloudsim平台仿真实验中,通过3个方面的比较,该算法在性能上、资源调度效率和任务调度方面都有很大改进,有效提高了云计算系统的资源调度能力。
【图文】：

［８］平台进行测试，选择ＣＰＵ为酷睿ｉ３和８ＧＤＤＲ３，操作系统采用ＷｉｎｄｏｗｓＸｐ，本文从两个方面对本文在云计算资源中的分配进行比较。４．１与基本布谷鸟算法（ＣＳ）比较设定虚拟任务为８００个，虚拟节点为５０个，通过比较两种算法下的能量消耗可以发现本文的算法在开始的能量消耗比较大，主要是因为采用了高斯变异和自适应因子，使得算法初期震荡比较大，后期逐渐平稳，相对于ＣＳ算法的过程中能量震荡，本文的算法消耗低于ＣＳ算法的消耗，如图１所示。图１２种资源负载算法能量消耗比较４．２与参考文献算法进行比较设定虚拟任务为８００个，虚拟节点为７０个，设置迭代次数为３００，将本文的算法和文献［２］，文献［３］和文献［６］的算法在云计算模型中不同任务数和虚拟节点下进行比较。图２４种资源负载算法任务完成时间比较图３４种资源负载算法能量消耗比较从图２中发现，本文算法在资源负载方面消耗时间是低于其他３种参考文献算法，并且伴随着任务数增多，，消耗时间幅度偏小，说明本文的算法相对稳定，能够更好地进行资源负载平衡。从图３中发现经过改进后的本文算法在云计算环境中的消耗能量优于其他的３种参考算法。在算法中引入适应度函数可以有效地平衡时间和费用之间的关系，从而能够更好地满足云计算中的资源调度的要求。

两种算法下的能量消耗可以发现本文的算法在开始的能量消耗比较大，主要是因为采用了高斯变异和自适应因子，使得算法初期震荡比较大，后期逐渐平稳，相对于ＣＳ算法的过程中能量震荡，本文的算法消耗低于ＣＳ算法的消耗，如图１所示。图１２种资源负载算法能量消耗比较４．２与参考文献算法进行比较设定虚拟任务为８００个，虚拟节点为７０个，设置迭代次数为３００，将本文的算法和文献［２］，文献［３］和文献［６］的算法在云计算模型中不同任务数和虚拟节点下进行比较。图２４种资源负载算法任务完成时间比较图３４种资源负载算法能量消耗比较从图２中发现，本文算法在资源负载方面消耗时间是低于其他３种参考文献算法，并且伴随着任务数增多，消耗时间幅度偏小，说明本文的算法相对稳定，能够更好地进行资源负载平衡。从图３中发现经过改进后的本文算法在云计算环境中的消耗能量优于其他的３种参考算法。在算法中引入适应度函数可以有效地平衡时间和费用之间的关系，从而能够更好地满足云计算中的资源调度的要求。

【参考文献】

相关期刊论文 前4条

1 冯小靖;潘郁;;云计算环境下的DPSO资源负载均衡算法[J];计算机工程与应用;2013年06期

2 杨照峰;王启明;吕海莲;;基于任务延迟的云计算资源调度算法研究[J];计算机测量与控制;2014年02期

3 刘波;刘青凤;;基于QoS和效用的云计算资源调度模型[J];计算机测量与控制;2014年03期

4 陈康;郑纬民;;云计算:系统实例与研究现状[J];软件学报;2009年05期

【共引文献】

相关期刊论文 前10条

1 魏东泽;来学嘉;;一种安全的高可靠性P2P云存储备份模型初探参考文献[J];信息安全与技术;2011年09期

2 王继鹏;;高等教育云计算服务平台构建策略初探[J];安阳师范学院学报;2011年05期

3 刘真;刘峰;张宝鹏;马飞;高石玉;;云计算模型在铁路大规模数据处理中的应用[J];北京交通大学学报;2010年05期

4 徐小龙;程春玲;熊婧夷;王汝传;;一种基于移动Agent的云端计算任务安全分割与分配算法[J];北京理工大学学报;2011年08期

5 李建卓;;云计算及其发展综述[J];宝鸡文理学院学报(自然科学版);2010年03期

6 董晓霞;吕廷杰;;云计算研究综述及未来发展[J];北京邮电大学学报(社会科学版);2010年05期

7 邓仲华;朱秀芹;;云计算环境下的隐私权保护初探[J];图书与情报;2010年04期

8 马晓亭;陈臣;;基于成本收益分析的云计算环境下数字图书馆建设研究[J];图书与情报;2011年06期

9 朱德新;宋雅娟;;海量数据分析及处理算法实现[J];长春大学学报;2011年08期

10 黄小龙;;浅谈云计算技术在教育领域的应用[J];成功(教育);2011年08期

相关会议论文 前10条

1 万丹丹;王宏;;云计算在编辑工作中的应用探讨[A];学术期刊编辑学理论与实践[C];2010年

2 郭捷夫;;基于云计算模型的绿色IT数据中心构建方案研究[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

3 汪云凤;李心科;;云服务环境下的服务聚合方法研究[A];2011中国仪器仪表与测控技术大会论文集[C];2011年

4 张白兰;杨向红;李家龙;刘伟;林创燕;邱正能;;物联网综述[A];中国电子学会第十七届信息论学术年会论文集[C];2010年

5 任伟;叶敏;刘宇靓;;云安全的信任管理研究[A];全国计算机安全学术交流会论文集·第二十五卷[C];2010年

6 周轩;黄璞;;基于云计算的OMS平台移动业务测试系统[A];中国通信学会第六届学术年会论文集（上）[C];2009年

7 唐玲;;云计算及其安全问题的研究[A];Proceedings of 2011 National Teaching Seminar on Cryptography and Information Security(NTS-CIS 2011) Vol.1[C];2011年

8 丁辉;赵炜妹;;基于云计算应用一级部署的研究[A];2011电力通信管理暨智能电网通信技术论坛论文集[C];2011年

9 赵伟;陈承收;李立军;;基于MapReduce云计算模型的碰撞检测算法[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

10 潘松柏;张云勇;陈清金;魏进武;;云计算安全需求和策略[A];2010年全国通信安全学术会议论文集[C];2010年

相关博士学位论文 前10条

1 吴吉义;基于DHT的开放对等云存储服务系统研究[D];浙江大学;2011年

2 王铁军;非结构化对等网络资源定位技术研究[D];电子科技大学;2010年

3 江颉;面向电子服务的访问控制关键技术研究[D];浙江大学;2010年

4 张泽华;云计算联盟建模及实现的关键技术研究[D];云南大学;2010年

5 李铮;多媒体云计算平台关键技术研究[D];中国科学技术大学;2011年

6 康俊锋;云计算环境下高分辨率遥感影像存储与高效管理技术研究[D];浙江大学;2011年

7 林云;汽车物流服务供应链体系构建与应用研究[D];重庆大学;2011年

8 朱智强;混合云服务安全若干理论与关键技术研究[D];武汉大学;2011年

9 方雷;基于云计算的土地资源服务高效处理平台关键技术探索与研究[D];浙江大学;2011年

10 葛显龙;面向云配送模式的车辆调度问题及算法研究[D];重庆大学;2011年

相关硕士学位论文 前3条

1 杨焕;云计算环境下任务调度策略的研究[D];河南大学;2013年

2 王登科;云计算任务调度算法的研究与实现[D];西北师范大学;2013年

3 苗壮;基于CloudStack的IaaS资源调度策略研究[D];哈尔滨工业大学;2014年

【二级参考文献】

相关期刊论文 前10条

1 孙雪冬,徐晓飞,王刚;基于有向超图的工作流资源分配均衡优化方法[J];电子学报;2005年08期

2 华夏渝;郑骏;胡文心;;基于云计算环境的蚁群优化计算资源分配算法[J];华东师范大学学报(自然科学版);2010年01期

3 唐磊;廖渊;李明树;淮晓永;;面向普适计算的服务构件动态部署问题及算法[J];计算机研究与发展;2007年05期

4 李乔;郑啸;;云计算研究现状综述[J];计算机科学;2011年04期

5 战德臣;赵曦滨;王顺强;程臻;周学权;聂兰顺;徐晓飞;;面向制造及管理的集团企业云制造服务平台[J];计算机集成制造系统;2011年03期

6 任磊;张霖;张雅彬;陶飞;罗永亮;;云制造资源虚拟化研究[J];计算机集成制造系统;2011年03期

7 汤海鹰;许鲁;;基于服务部署的高可用模型及其可用性分配算法[J];计算机学报;2007年10期

8 杨浩;徐晖;张瀛;;基于服务关系统计的多粒度服务组合方法[J];计算机应用;2010年02期

9 方锦明;;云计算中虚拟资源调度的决策系统[J];计算机测量与控制;2011年12期

10 薛胜军;刘芳芳;唐晨杰;;改进粗粒度并行遗传算法在网格任务调度中的应用[J];计算机测量与控制;2012年02期

相关硕士学位论文 前1条

1 吕良干;云计算环境下资源负载均衡调度算法研究[D];新疆大学;2010年

【相似文献】

相关期刊论文 前10条

1 江宇闻;;Overcomplete ICA算法研究[J];中山大学研究生学刊(自然科学、医学版);2004年02期

2 杨利华;艾金花;程昔恩;;GMRES算法的收敛分析与实现[J];福建电脑;2006年02期

3 宁爱平;张雪英;;人工蜂群算法的收敛性分析[J];控制与决策;2013年10期

4 赵光权;彭喜元;孙宁;;基于混合优化策略的微分进化改进算法[J];电子学报;2006年S1期

5 李金汉;杜德生;;一种改进蚁群算法的仿真研究[J];自动化技术与应用;2008年02期

6 李修琳;鲁建厦;柴国钟;汤洪涛;;混合蜂群算法求解柔性作业车间调度问题[J];计算机集成制造系统;2011年07期

7 秦全德;程适;李丽;史玉回;;人工蜂群算法研究综述[J];智能系统学报;2014年02期

8 王常青,操云甫,戴国忠;用双向收敛蚁群算法解作业车间调度问题[J];计算机集成制造系统;2004年07期

9 孙学勤;刘丽;付萍;王学厚;;一种连续空间优化问题的蚁群算法及应用[J];计算机工程与应用;2005年34期

10 蔡延光;钱积新;孙优贤;;全局优化的了望算法[J];广东工业大学学报;2006年02期

相关会议论文 前10条

1 何敏;陈中显;梅松涛;;蚁群算法的研究与进展[A];中国计量协会冶金分会2010年会论文集[C];2010年

2 唐乾玉;韩曾晋;;基于扰动分析的优化算法[A];1994中国控制与决策学术年会论文集[C];1994年

3 高玮;;免疫连续蚁群算法[A];第二十六届中国控制会议论文集[C];2007年

4 金成勋;周广禄;郭恒业;;对ICP算法中稳定采样的研究[A];立体图象技术及其应用研讨会论文集[C];2005年

5 范瑛;;改进蚁群算法结合BP网络用于入侵检测[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

6 陈元琰;闫友彪;罗晓曙;;REM算法的改进[A];广西计算机学会2005年学术年会论文集[C];2005年

7 万丽芬;钟炎平;;约束LMS算法研究[A];第二十届电工理论学术年会论文集[C];2008年

8 云飞;薛青;姚义军;;改进型LMBP算法在军事数据分析中的应用研究[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

9 朱双东;艾智斌;阎夏;;BP网络学习算法的改进方案探析[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

10 唐乾玉;陈翰馥;韩曾晋;;串行生产线的参数优化[A];1994年中国控制会议论文集[C];1994年

相关博士学位论文 前10条

1 王可心;大规模过程系统非线性优化的简约空间理论与算法研究[D];浙江大学;2008年

2 韩飞;基于先验信息编码的约束学习算法研究[D];中国科学技术大学;2006年

3 鲍吉锋;平衡问题和优化问题若干算法的收敛性分析[D];浙江大学;2013年

4 厉丹;视频目标检测与跟踪算法及其在煤矿中应用的研究[D];中国矿业大学;2011年

5 袁东辉;蚁群算法在飞行模拟器平台中若干应用问题的研究[D];吉林大学;2011年

6 张晓伟;全局优化的若干随机性算法[D];西安电子科技大学;2008年

7 郑洪英;基于进化算法的入侵检测技术研究[D];重庆大学;2007年

8 张骁雅;压缩感知算法及其应用的几点研究[D];浙江大学;2013年

9 傅启明;强化学习中离策略算法的分析及研究[D];苏州大学;2014年

10 周虎成;部分冗余消除优化的SSA算法研究[D];清华大学;2011年

相关硕士学位论文 前10条

1 刘坤;人工植物优化算法混合策略的研究及应用[D];太原科技大学;2011年

2 魏红凯;人工蜂群算法及其应用研究[D];北京工业大学;2012年

3 让辉;基于进化算法的多目标电子谈判的研究[D];武汉科技大学;2007年

4 代沆;基于蚁群算法的移动互联网服务发现算法研究[D];电子科技大学;2012年

5 刘婷婷;基于反馈的多目标人工蜂群算法研究[D];东北大学;2013年

6 章小红;基于蚁群算法的产品拆卸序列规划方法研究[D];华中科技大学;2007年

7 王晓娟;类电磁机制算法及其若干应用研究[D];华中科技大学;2006年

8 宋慧;预处理Householder-GMRES(m)算法研究[D];燕山大学;2013年

9 马彦追;萤火虫算法的改进及其应用研究[D];广西民族大学;2014年

10 唐文志;蚁群算法在关联规则学习中的研究与应用[D];北京工业大学;2009年

本文编号：2585586