多Agent遗传算法在云计算资源调度中的应用研究

发布时间：2021-03-10 03:12

　　当前,云计算与虚拟化技术发展迅速。云计算的重要意义在于为所有用户提供高性能、高可靠度的计算能力。故在云计算系统中,计算资源的调度是云计算中一个重要的组成部分,资源调度策略的好坏直接影响到整个云计算系统的性能。本文围绕基于多元化用户请求的云计算资源调度策略展开了理论与技术研究,并研究了当前开放的云计算系统中的资源组织形式以及云计算中主流的资源调度框架。另外,本文对遗传算法及其混合算法-多Agent遗传算法的理论基础及算法流程分别进行了研究,论述了遗传算法在解决高维优化问题时所存在的局限性。并通过实验,从优化结果和平均迭代次数两个方面论证了多Agent遗传算法在求解高维函数优化问题时比遗传算法具有更高的收敛速度以及更好的并行性,从而进一步证明了多Agent遗传算法更加适合于高维、大数据量优化问题的求解。最后,本文设计实现了基于虚拟化技术的云计算仿真系统,并在此基础上将多Agent遗传算法以及按请求分组的调度策略应用于云计算仿真系统上的资源调度策略中。然后通过三组实验,对多Agent遗传算法调度策略与传统的轮询法调度、Min_min调度进行了比较。实验结果表明,本文所设计... 

【文章来源】：西安石油大学陕西省

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 遗传算法与多Agent遗传算法概述
    1.4 云计算及资源调度策略综述
    1.5 论文完成的主要工作
    1.6 章节安排
第二章 云计算与资源调度策略概述
    2.1 云计算体系结构
    2.2 虚拟化技术
    2.3 云计算中资源调度的一般方法
        2.3.1 在线资源调度算法
        2.3.2 批处理资源调度算法
    2.4 云计算中主流资源调度框架介绍
        2.4.1 Condor调度框架
        2.4.2 ISF调度框架
    2.5 小结
第三章 遗传算法及多Agent遗传算法
    3.1 进化计算
    3.2 遗传算法
        3.2.1 遗传算法的实现机制
        3.2.2 模式定理
        3.2.3 隐含并行性
    3.3 遗传算法的局限性
    3.4 多Agent遗传算法
        3.4.1 多Agent系统
        3.4.2 Agent的生存环境
        3.4.3 邻域竞争操作算子
        3.4.4 邻域正交交叉算子
        3.4.5 变异算子
        3.4.6 自学习算子
    3.5 算法操作与性能比较
    3.6 小结
第四章 基于多Agent遗传算法的资源调度策略的设计与实现
    4.1 仿真平台框架设计
    4.2 资源请求
    4.3 资源探测与监控
    4.4 基于多Agent遗传算法的资源调度策略的设计与实现
        4.4.1 问题描述
        4.4.2 适应度函数设计与实现
        4.4.3 编码方案设计与实现
        4.4.4 多Agent遗传操作
    4.5 本系统所采用的其他资源调度策略
        4.5.1 轮询调度
min调度">        4.5.2 Min_min调度
    4.6 小结
第五章 实验与分析
    5.1 数据准备
    5.2 多Agent遗传算法参数设置
    5.3 实验结果比较
    5.4 实验结果分析
    5.5 小结
第六章 总结与展望
致谢
参考文献
附录 （攻读硕士学位期间发表的论文）
详细摘要


【参考文献】：
期刊论文
[1]基于群体适应度均值商的自适应遗传算法[J]. 田东平.  计算机应用与软件. 2010(11)
[2]基于免疫遗传算法的负载均衡策略[J]. 苏日娜,王宇.  计算机应用. 2010(10)
[3]基于自适应模拟退火遗传算法的非线性方程组求解[J]. 胡斐,赵治国.  微型电脑应用. 2010(09)
[4]Min-Min调度算法的研究与改进[J]. 杜玉霞,刘方爱,郭磊.  计算机工程与应用. 2010(24)
[5]一种改进型量子遗传算法[J]. 张宗飞.  计算机工程. 2010(06)
[6]基于PSO的多约束QoS网格资源选择模型[J]. 傅明,周杰,黄晶.  计算机工程与设计. 2009(03)
[7]虚拟化技术在云计算中的应用初探[J]. 王昊鹏,刘旺盛.  电脑知识与技术. 2008(25)
[8]基于移动Agent的网格计算资源管理模型设计[J]. 曾正军,舒万能.  计算机工程与应用. 2008(21)
[9]一种改进的启发式网格任务调度算法[J]. 崔玉宝,李建义,薛桂香.  微型电脑应用. 2006(05)
[10]网格计算中的任务调度模型研究[J]. 尚明生.  计算机工程. 2006(02)

硕士论文
[1]基于XEN网络虚拟化的性能研究[D]. 杨林凤.复旦大学 2010
[2]虚拟化云计算中资源管理的研究与实现[D]. 肖斐.西安电子科技大学 2010
[3]基于QoS的网格资源管理及容错策略的研究[D]. 马锋明.苏州大学 2009
[4]基于遗传算法的网格任务调度算法的研究[D]. 钟艳平.浙江工业大学 2007



本文编号：3073957