云环境中任务调度优化算法的研究

发布时间：2021-07-23 18:46

　　云计算是目前发展迅速的一种计算模式,它是通过互联网向全世界提供各类基础服务,不仅方便了用户的需求,同时促进了一些新兴企业的发展。但由于云平台需要面对大量的数据以及计算任务,因此,如何合理地对云计算资源进行分配以及设计高效的任务调度策略来最大限度地降低成本、提高资源利用率、满足用户需求是云计算需要解决的关键问题。本文的研究内容如下:首先,针对遗传算法处理云环境中独立任务调度时出现的收敛速度慢以及寻优不稳定问题,在考虑任务的总执行时间、执行成本以及负载失衡值作为算法的优化目标的基础上,提出一种基于遗传与粒子群算法融合的动态目标任务调度算法（Dynamic Object based on Genetic Algorithm and Particle Swarm Optimization algorithm,DO-GAPSO）。在种群初始化阶段,利用Max-Min算法、Round-Robin算法以及Min-Min算法初始化,为算法进化及搜索提供大致方向;在适应度评价函数建模中引入线性权重动态分配策略,提高算法的收敛速度;在选择操作中,计算种群个体多样适应度,利用不同的选择方式进行选择,保证种群... 

【文章来源】：山西大学山西省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

云计算体系结构

任务调度模型

分配虚拟资源进行执行。图 4.1 DAG 任务图以图 4.1 为例，入口节点 T0、T1 以及 T2，存在多个入口节点，则设计虚拟节点T，T 任务的计算代价为 0。首先调度执行伪入口节点 T，在任务 T 调度完毕后方可按照一定的调度策略对任务 T0-T2 进行调度。同理，先执行完 T0 和 T1，才可以执行任务 T3，以此类推，直至任务 T9 执行完毕。此时

【参考文献】：
期刊论文
[1]云计算环境下对资源聚类的工作流任务调度算法[J]. 郭凤羽,禹龙,田生伟,于炯,孙华.  计算机应用. 2013(08)
[2]云计算:体系架构与关键技术[J]. 罗军舟,金嘉晖,宋爱波,东方.  通信学报. 2011(07)
[3]一种基于神经网络的网格实时调度算法[J]. 李盛欣,段盛.  计算机应用研究. 2009(06)
[4]遗传选择算子的比较与研究[J]. 杨平,郑金华.  计算机工程与应用. 2007(15)
[5]一种基于模糊聚类的网格DAG任务图调度算法[J]. 杜晓丽,蒋昌俊,徐国荣,丁志军.  软件学报. 2006(11)
[6]遗传算法的编码理论与应用[J]. 余有明,刘玉树,阎光伟.  计算机工程与应用. 2006(03)
[7]遗传算法及其改进[J]. 段玉倩,贺家李.  电力系统及其自动化学报. 1998(01)

博士论文
[1]大规模云数据中心负载优化调度方法研究[D]. 卢兴见.浙江大学 2014

硕士论文
[1]基于生物共生演算法的云任务调度研究[D]. 刘晓丹.河北大学 2017
[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]农业数据云平台下的实例密集型工作流调度算法研究[D]. 邱靖坡.北京工业大学 2016
[4]云环境中负载均衡和QoS驱动的多目标协同任务调度研究[D]. 王婷婷.大连海事大学 2015
[5]多智能体调度优化算法研究[D]. 王东阳.哈尔滨工程大学 2010



本文编号：3299833