基于改进蚁群算法的云计算资源分配研究

发布时间：2017-05-20 09:17

  本文关键词：基于改进蚁群算法的云计算资源分配研究，由笔耕文化传播整理发布。

【摘要】：随着信息技术在各个领域的广泛应用，互联网技术的进步和网民数量的增长使得数据信息量也呈现出爆发式的增长，互联网己经进入“大数据时代”，传统的计算模式已不能满足当前动态、变化的需求。正是在这样一个发展背景下，“云计算”应运而生，成为继个人计算机变革、互联网变革之后的第三次IT浪潮。云计算(Cloud Computing)是分布式计算(Distributed Computing)、并行计算(Parallel Computing)和网格计算(GridComputing)、网络存储(Network Storage)和大型数据中心(Large—scale Data Center)的进一步发展和商业实现。 在整个云环境中，资源和结构分布的实际情况比较复杂，任意线路在任意时刻的网络负载存在众多不可预期的大幅度变化，有可能出现对资源需求估计过低，使得当前资源的规模无法满足其用户作业需求；也有可能出现对资源需求估计过高，这回使所租用的资源部分处于闲置状态，使得资源利用率大大降低。因此，在满足用户不断增长和变化的需求的前提下，如何高效率低成本地进行计算资源的合理分配成为云计算的关键问题。而资源分配问题的核心是分配算法，因此本文就目前的云计算资源分配算法进行概述，并在此基础上提出一种改进的资源分配算法。 通过分析传统蚁群算法在解决云计算资源问题中存在的不足之处，提出了本文的改进方法，包括对算法中转移概率的改进以及对局部信息素、全局信息素更新方法的改进。本文的改进点主要在于确定转移概率以及更新信息素时，都加入了动态的因子，这使得算法可以随着迭代次数的增加进行动态的调整，从而达到更好的搜索性能，并且在蚁群算法中引进遗传算法的变异操作，对信息素浓度进行变异，来避免算法陷入局部最优。 针对单一蚁群算法在迭代初期的盲目性，提出了将遗传算法与蚁群算法进行结合。根据遗传算法收敛速度快的特点，，在算法初期，运用遗传算法来得到较优解，并将其转化为蚁群算法的初始信息素，以此来解决蚁群算法初期效率低下的问题，然后接着用优化的蚁群算法进行搜索来进一步得到最优解，并且在文章最后通过仿真平台对本文提出算法的性能进行了验证。
【关键词】：云计算 资源分配 蚁群算法 遗传算法
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18;TP3
【目录】：

• 摘要5-6
• Abstract6-8
• 目录8-10
• 第一章 绪论10-14
• 1.1 选题背景及研究意义10-11
• 1.2 研究现状11-12
• 1.3 本文研究思路和内容安排12-13
• 1.4 本章小结13-14
• 第二章 云计算概述14-25
• 2.1 云计算背景及定义14-16
• 2.2 云计算的发展16-18
• 2.3 云计算的特点18-22
• 2.3.1 云计算的特征18-19
• 2.3.2 云计算的体系结构19-20
• 2.3.3 云计算的服务模型20-22
• 2.4 云计算的关键技术22-24
• 2.5 本章小结24-25
• 第三章 云计算资源分配研究与分析25-31
• 3.1 资源分配问题概述25-26
• 3.2 MAPREDUCE 模型26-27
• 3.3 资源分配形式化描述27-28
• 3.4 基于 QOS 的任务分类28-29
• 3.5 常用算法29-30
• 3.6 本章小结30-31
• 第四章 云环境下蚁群算法的优化31-50
• 4.1 蚁群算法31-35
• 4.1.1 蚁群算法原理31-32
• 4.1.2 蚁群算法数学模型32-34
• 4.1.3 蚁群算法的优缺点34-35
• 4.2 蚁群算法的改进35-39
• 4.2.1 转移概率的确定35-37
• 4.2.2 动态更新信息素37-39
• 4.3 云计算资源分配中的蚁群算法参数39-40
• 4.4 蚁群算法与遗传算法结合40-48
• 4.4.1 遗传算法40-43
• 4.4.2 设计思路43
• 4.4.3 遗传算法初次分配43-45
• 4.4.4 遗传算法与蚁群算法融合45-47
• 4.4.5 算法流程47-48
• 4.5 本章小结48-50
• 第五章 实验与分析50-55
• 5.1 仿真工具50
• 5.2 对比分析50-54
• 5.3 结论54
• 5.4 本章小结54-55
• 总结与展望55-57
• 总结55-56
• 展望56-57
• 参考文献57-61
• 攻读硕士学位期间取得的研究成果61-62
• 致谢62-63
• 附件63

【参考文献】

中国期刊全文数据库 前10条

1 张健;;云计算概念和影响力解析[J];电信网技术;2009年01期

2 刘伯红;赵浚尧;;一种改进的基于云环境的蚁群优化算法[J];重庆邮电大学学报(自然科学版);2012年06期

3 孙宏志;靳松;岳康;;云环境下对遗传蚁群算法的改进研究[J];计算机光盘软件与应用;2012年23期

4 毛宁;顾军华;谭庆;宋洁;;蚁群遗传混合算法[J];计算机应用;2006年07期

5 王永贵;韩瑞莲;;基于改进蚁群算法的云环境任务调度研究[J];计算机测量与控制;2011年05期

6 詹士昌,徐婕,吴俊;蚁群算法中有关算法参数的最优选择[J];科技通报;2003年05期

7 段桂英;;浅谈计算机云计算[J];科技信息;2010年30期

8 张纪会,高齐圣,徐心和;自适应蚁群算法[J];控制理论与应用;2000年01期

9 蒋胜利;智西湖;;高校云计算教学初探[J];洛阳理工学院学报(自然科学版);2011年03期

10 陈真;;改进蚁群算法在云环境下路径优化设计[J];江西理工大学学报;2012年03期

中国博士学位论文全文数据库 前2条

1 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年

2 史恒亮;云计算任务调度研究[D];南京理工大学;2012年

  本文关键词：基于改进蚁群算法的云计算资源分配研究，由笔耕文化传播整理发布。

本文编号：381212