云计算环境下任务调度算法的研究
发布时间：2021-01-13 09:34
云计算的出现为互联网时代提供了方便快捷的服务,对人们的生活有深远的影响。云计算任务调度对用户的满意程度以及提供商的运营成本有很大的影响。高性能的算法在云计算任务调度中起着至关重要的作用。本文在云计算任务调度算法的主要研究内容及工作如下:1)针对标准粒子群优化算法易陷入局部最优,收敛速度慢的缺陷,从基本概念入手,在算法中加入改进的动态惯性权重和外部扰动策略,改善粒子群算法的局部寻优能力。对比任务数不同时,算法的收敛能力,实验结果表明,改进后算法克服了粒子群算法中的不足,提高迭代后期收敛速度和搜索的精度,减少任务完成时间。2)针对鸡群优化算法中小鸡盲目跟随母鸡且自身学习能力不足的情况,在算法中加入小鸡学习因子,改进小鸡位置更新公式,并通过混沌扰动降低鸡群懒惰性,平衡算法对全局和局部最优位置的搜索能力,减少算法陷入局部最优的情况,能更好的完成云计算任务调度。3)融合两种改进后的算法,鸡群算法解决了粒子群种群单一的缺点。粒子鸡群融合算法改进了公鸡的位置更新公式,提高群体领导者的寻优能力,使算法整体性能得以提升。将算法在云环境下任务调度总执行时间和执行费用方面进行对比,实验结果表明,算法有效地降...
【文章来源】：河北科技大学河北省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
云计算服务类型
图 2-2 云计算体系结构云计算体系结构四层分别是：SOA 构建层、管理中间层、资源池层以及物理资源层。(1) SOA 构建层 该层有许多组件构成，全称面向服务的体系结构
通过调度需求以合理的方式将任务匹配到云计算虚拟资源上，满足客户需求的过程。云计算任务调度的框架图如图2-3 所示。图 2-3 云计算任务调度框架图我们也可以将这个过程看做是一个映射过程。云计算是把系统中 CPU、带宽等硬基础设施虚拟成可以统一管理的数据资源，将物理资源映射到虚拟机上为用户提供任务调度的服务[24]。云计算的研究分为任务调度和资源分配两方面，任务调度部分就是将用户任务映射到虚拟机资源上的问题。假设将 r 个任务 1 2 3, ,rtask task task task ,...,t ask分配给 s 个虚拟机资源 1 2 3= , ,sVM VM VM VM ,...,V M，任务与虚拟机对应的分配关系用矩阵的形式表示，如式（2-1）所示。11 12 111 22 21 2=rrs s sr θ （2-1）其中，ij 为任务jtask与虚拟机iVM 的对应关系，1 i s ,1 j r且s r。为了对云计算任务调度的认识更加清楚，我们通过云计算任务调度原理并结合CloudSim 平台将调度模型抽象出来，云计算任务调度模型如图 2-4 所示。
【参考文献】：
期刊论文
[1]一种基于正向学习和反向学习的改进鸡群算法[J]. 张慕雪,张达敏,杨菊蜻,朱陈柔玲. 微电子学与计算机. 2018(06)
[2]基于离散粒子群优化的云计算QoS调度算法[J]. 王月,刘亚秋,郭继峰,景维鹏. 计算机工程. 2017(06)
[3]基于混沌粒子群算法的云计算调度研究[J]. 战非,张少茹. 电子设计工程. 2017(05)
[4]混合改进搜索策略的鸡群优化算法[J]. 黄霞,叶春明,郑军. 计算机工程与应用. 2018(07)
[5]基于模拟退火的改进鸡群优化算法[J]. 李振璧,王康,姜媛媛. 微电子学与计算机. 2017(02)
[6]基于改进蛙跳算法的云计算资源调度[J]. 李廷顺,李铁钰. 计算机应用与软件. 2015(12)
[7]具备反向学习和局部学习能力的粒子群算法[J]. 夏学文,刘经南,高柯夫,李元香,曾辉. 计算机学报. 2015(07)
[8]云计算中融入贪心策略的调度算法研究[J]. 周舟,胡志刚. 小型微型计算机系统. 2015(05)
[9]基于双适应度遗传退火的云任务调度算法[J]. 徐洁,朱健琛,鲁珂. 电子科技大学学报. 2013(06)
[10]基于粒子群遗传算法的云计算任务调度研究[J]. 王波,张晓磊. 计算机工程与应用. 2015(06)
博士论文
[1]云计算任务调度策略研究[D]. 邓见光.华南理工大学 2014
[2]云数据中心资源调度机制研究[D]. 王智明.北京邮电大学 2012
硕士论文
[1]基于态势感知的云资源管理研究[D]. 李正.河北科技大学 2018
[2]云计算环境下基于改进PSO算法的任务调度研究[D]. 宋寒冰.吉林大学 2017
[3]基于混沌粒子群鸡群融合优化算法的云任务调度应用与实现[D]. 关鹤童.吉林大学 2016
[4]混合粒子群算法的研究以及在云计算任务调度中的应用[D]. 吴误.南京信息工程大学 2013
本文编号：2974649
【文章来源】：河北科技大学河北省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
云计算服务类型
图 2-2 云计算体系结构云计算体系结构四层分别是：SOA 构建层、管理中间层、资源池层以及物理资源层。(1) SOA 构建层 该层有许多组件构成，全称面向服务的体系结构
通过调度需求以合理的方式将任务匹配到云计算虚拟资源上，满足客户需求的过程。云计算任务调度的框架图如图2-3 所示。图 2-3 云计算任务调度框架图我们也可以将这个过程看做是一个映射过程。云计算是把系统中 CPU、带宽等硬基础设施虚拟成可以统一管理的数据资源，将物理资源映射到虚拟机上为用户提供任务调度的服务[24]。云计算的研究分为任务调度和资源分配两方面，任务调度部分就是将用户任务映射到虚拟机资源上的问题。假设将 r 个任务 1 2 3, ,rtask task task task ,...,t ask分配给 s 个虚拟机资源 1 2 3= , ,sVM VM VM VM ,...,V M，任务与虚拟机对应的分配关系用矩阵的形式表示，如式（2-1）所示。11 12 111 22 21 2=rrs s sr θ （2-1）其中，ij 为任务jtask与虚拟机iVM 的对应关系，1 i s ,1 j r且s r。为了对云计算任务调度的认识更加清楚，我们通过云计算任务调度原理并结合CloudSim 平台将调度模型抽象出来，云计算任务调度模型如图 2-4 所示。
【参考文献】：
期刊论文
[1]一种基于正向学习和反向学习的改进鸡群算法[J]. 张慕雪,张达敏,杨菊蜻,朱陈柔玲. 微电子学与计算机. 2018(06)
[2]基于离散粒子群优化的云计算QoS调度算法[J]. 王月,刘亚秋,郭继峰,景维鹏. 计算机工程. 2017(06)
[3]基于混沌粒子群算法的云计算调度研究[J]. 战非,张少茹. 电子设计工程. 2017(05)
[4]混合改进搜索策略的鸡群优化算法[J]. 黄霞,叶春明,郑军. 计算机工程与应用. 2018(07)
[5]基于模拟退火的改进鸡群优化算法[J]. 李振璧,王康,姜媛媛. 微电子学与计算机. 2017(02)
[6]基于改进蛙跳算法的云计算资源调度[J]. 李廷顺,李铁钰. 计算机应用与软件. 2015(12)
[7]具备反向学习和局部学习能力的粒子群算法[J]. 夏学文,刘经南,高柯夫,李元香,曾辉. 计算机学报. 2015(07)
[8]云计算中融入贪心策略的调度算法研究[J]. 周舟,胡志刚. 小型微型计算机系统. 2015(05)
[9]基于双适应度遗传退火的云任务调度算法[J]. 徐洁,朱健琛,鲁珂. 电子科技大学学报. 2013(06)
[10]基于粒子群遗传算法的云计算任务调度研究[J]. 王波,张晓磊. 计算机工程与应用. 2015(06)
博士论文
[1]云计算任务调度策略研究[D]. 邓见光.华南理工大学 2014
[2]云数据中心资源调度机制研究[D]. 王智明.北京邮电大学 2012
硕士论文
[1]基于态势感知的云资源管理研究[D]. 李正.河北科技大学 2018
[2]云计算环境下基于改进PSO算法的任务调度研究[D]. 宋寒冰.吉林大学 2017
[3]基于混沌粒子群鸡群融合优化算法的云任务调度应用与实现[D]. 关鹤童.吉林大学 2016
[4]混合粒子群算法的研究以及在云计算任务调度中的应用[D]. 吴误.南京信息工程大学 2013
本文编号：2974649
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2974649.html
