基于遗传算法的虚拟化服务器资源调度算法研究

发布时间：2022-12-24 00:09

　　近年来,随着云计算技术的高速发展,云数据中心的规模不断加大,为解决企业服务器采购成本高、系统部署慢、维护效率低等问题提供了比较好的方案。考虑到某银行作为金融行业的特殊性,结合实际情况和论文撰写需要,本文以在银行内部构建基于虚拟化技术的私有云为出发点,展开论文的研究工作。论文需要解决以下两个问题:一、虚拟服务器的资源调度问题。云环境下的资源调度直接关系到计算成本和效率。调度算法实现复杂、计算成本高将使项目的实施变得毫无意义,这也是论文所要解决的首要问题。二、计算资源的负载均衡问题。云计算资源调度中容易出现虚拟资源节点负载不均衡和时间成本耗费大的问题。从最终结果来看,这也是为了提升服务器整体性能所必须解决的另外一个问题。遗传算法作为一种用于解决最优化问题的全局搜索启发式算法,它在解决上述问题时具有很大的优势,它可以根据需要设计出任意符合要求的适应度函数从而获得问题的最优解。针对传统遗传算法在云计算资源调度中存在收敛速度慢、易早熟和资源负载不均衡的问题,本文对传统算法进行了如下改进:一、优化初始种群生成条件。在种群生成的时候即排除一些不合理的基因,从而使算法执行时间更加短。二、在适应度函数中... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 论文结构
    1.5 本章小结
第2章 云计算及虚拟化
    2.1 云计算概述
    2.2 云环境下的资源调度目标和特点
        2.2.1 调度目标
        2.2.2 调度特点
    2.3 云环境下常用的资源调度算法
        2.3.1 轮询算法
        2.3.2 模拟退火算法
        2.3.3 蚁群算法
        2.3.4 遗传算法
    2.4 遗传算法概述
        2.4.1 算法基本思想
        2.4.2 算法特点
        2.4.3 算法执行过程
    2.5 云计算实现技术
        2.5.1 虚拟化技术
        2.5.2 分布式海量数据存储
        2.5.3 编程模式
    2.6 本章小结
第3章 问题分析与算法设计
    3.1 目标分析
        3.1.1 现状概况
        3.1.2 技术优势比较
        3.1.3 问题提出
    3.2 方案设计
        3.2.1 虚拟化实现方式
        3.2.2 算法选择
    3.3 算法设计
        3.3.1 基本定义及编码
        3.3.2 种群初始化方案设计
        3.3.3 适应度函数设计
        3.3.4 选择算子设计
        3.3.5 交叉算子设计
        3.3.6 变异算子设计
        3.3.7 终止条件设计
    3.4 本章小结
第4章 算法改进与仿真实验
    4.1 传统遗传算法缺陷
    4.2 改进方案
        4.2.1 初始化种群改进
        4.2.2 适应度函数改进
        4.2.3 迭代终止条件改进
    4.3 仿真实验设计
        4.3.1 需求分析
        4.3.2 种群选择
    4.4 实验结果分析
        4.4.1 传统遗传算法
        4.4.2 改进遗传算法
    4.5 本章小结
第5章 项目实现
    5.1 概述
        5.1.1 虚拟化平台
        5.1.2 云主机管理平台
        5.1.3 资源监控系统
    5.2 实现目标展示
    5.3 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢



本文编号：3725667