基于遗传算法的云计算任务调度策略的研究与实现

发布时间：2017-09-20 07:15

  本文关键词：基于遗传算法的云计算任务调度策略的研究与实现

  更多相关文章： 云计算 任务调度 遗传算法 CloudSim

【摘要】：云计算作为一种新兴的计算模式,自2007年提出以来,依靠其使用简单、廉价等特点对IT企业的运营环境产生了深远的影响,云计算已经成为国内外企业以及科研机构重点研究的领域之一。然而,在云计算环境中,由于面向的用户众多,系统需要处理的任务数量规模大的惊人。因此,如何在满足用户对服务质量的需求下,尽可能的对海量的任务进行合理高效的调度,这成为了云计算研究领域中的一个重点和难点。遗传算法是一种用于解决最优化问题的全局搜索启发式算法,它具有适应性、学习性和并行性的特点,尤其在解决海量任务的时候,遗传算法具有很大的优势,可以把任务进行分解后按需分配到多个处理机上同时进行处理。同时遗传算法还具有扩展性,可以方便地和其他算法进行结合,吸收其他算法的优势弥补自身的不足。当前已经有不少的科研工作者发挥遗传算法的优势,将其运用到任务调度问题中,得到的调度结果优于传统的调度方案。云计算中的任务调度问题是经典的组合优化难题。基本遗传算法在求解调度问题的过程中往往对所求问题的精确度把握不高,因而难以寻求到最优解。造成这些问题的原因主要有：在算法迭代次数较多的情况下,局部最优解的产生往往忽略了其全局搜索能力的不足；不能获得理想的初始种群等。针对于遗传算法在求解过程中收敛速度过慢的问题,本文对传统的串行编码以及二进制编码方式进行了改进,采用了一种新型的任务-资源的编码方式,在对染色体的表述上更为直接也更为有效,解决了染色体过长的问题。对于遗传算法在求解过程中目标函数考虑局限性的问题,本文对适应度函数做了如下的改进：采用QoS约束条件中的任务总完成时间、带宽、费用这3个条件作为适应度函数。通过设置不同参数值来对适应度函数进行求值。最后通过cloudsim云计算实现了本文提出的基于改进遗传算法的任务调度策略。通过相关实验结果的论证,该方法有一定的可行性。
【关键词】：云计算 任务调度 遗传算法 CloudSim
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP3
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-20
• 1.1 研究背景与意义10-11
• 1.2 云计算的相关理论11-17
• 1.3 国内外研究现状以及存在的问题17-18
• 1.4 本文的主要工作与内容安排18-19
• 1.5 本章小结19-20
• 第二章 云计算环境下任务调度及遗传算法的相关介绍20-26
• 2.1 任务调度相关技术20-22
• 2.2 遗传算法相关介绍22-25
• 2.3 本章小结25-26
• 第三章 云计算环境下的任务调度体系与框架26-34
• 3.1 云计算环境下任务调度问题的描述26-27
• 3.2 云计算环境下任务调度的目标27-28
• 3.3 任务调度的总体体系与框架28-31
• 3.4 云计算环境下任务调度的特点31-32
• 3.5 本章小结32-34
• 第四章 改进遗传算法的任务调度策略的设计34-46
• 4.1 基本遗传算法的执行过程34-36
• 4.2 改进遗传算法的任务调度研究36-38
• 4.3 改进的初始种群生成方案38-40
• 4.4 适应度函数的设计40-43
• 4.5 混合交叉算子的操作43-45
• 4.6 变异概率的选取45
• 4.7 改进遗传算法步骤45-46
• 第五章 基于CloudSim的算法仿真情况与实验结果分析46-54
• 5.1 CloudSim平台简介46
• 5.2 CloudSim的体系结构46-48
• 5.3 CloudSim技术实现方式48-49
• 5.4 实验仿真与结果49-54
• 第六章 总结与展望54-56
• 6.1 总结54
• 6.2 未来的展望54-56
• 致谢56-58
• 参考文献58-62
• 附录A 攻读学位期间学术成果目录62

，

本文编号：886641