智能优化算法在移动云计算任务调度中的研究与应用

发布时间：2022-11-08 20:49

　　随着移动互联网的飞速发展,移动应用的数量和规模爆发式地增长。但是移动设备的资源有限,无法满足复杂应用对于资源的需求。借助移动云计算强大的资源,可以将部分任务转移到具有多个移动设备的异构环境中执行。因此本文对移动云计算的建模以及智能优化算法在其中的应用展开研究。针对移动云环境的特点,构建任务调度模型,使用有向无环图（Directed Acyclic Graph,DAG）表示应用的功能和内部逻辑。采用向上排序值作为任务选择执行时段的优先级,采用区间插入技术,确定任务的执行时段,建立了应用完工时间的数学表达,作为调度的优化目标。针对所构建的移动云环境任务调度模型提出了一种基于粒子群优化（Particle Swarm Optimization,PSO）策略的迭代局部搜索调度算法。当PSO搜索陷入局部最优时,设计邻位交换的扰动算子,使得搜索可以在解空间跳出局部最优。搜索和扰动交替进行确定了新的方向,提高算法求解性能。通过分析上述算法的特点,进一步提出了一种改进的迭代局部搜索调度算法。使用成本更低、计算效率更高的模拟退火（Simulated Annealing,SA）算法代替PSO算法,同时采用了... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及目的
    1.2 国内外研究现状
        1.2.1 任务模型研究现状
        1.2.2 智能优化算法研究现状
    1.3 本文主要工作
    1.4 本文结构安排
2 概述
    2.1 移动云计算概述
        2.1.1 移动云计算体系结构
        2.1.2 移动云计算实现方式
        2.1.3 移动云计算的优势
    2.2 调度算法概述
        2.2.1 传统调度算法
        2.2.2 启发式算法
        2.2.3 智能优化算法
    2.3 本章小结
3 移动云计算调度建模
    3.1 任务模型
    3.2 任务优先级
    3.3 区间插入
    3.4 调度方案编码
    3.5 优化目标
    3.6 本章小结
4 基于粒子群优化策略的迭代局部搜索调度算法
    4.1 粒子群优化算法
        4.1.1 粒子位置
        4.1.2 粒子速度
        4.1.3 适应度
        4.1.4 算法描述
        4.1.5 改进措施
    4.2 迭代局部搜索
    4.3 实验结果与分析
    4.4 本章小结
5 改进的迭代局部搜索调度算法
    5.1 模拟退火算法
        5.1.1 概率准则
        5.1.2 冷却进度
        5.1.3 邻域结构
        5.1.4 算法描述
    5.2 扰动算子
    5.3 终止条件
    5.4 ILS-SA调度算法
    5.5 实验结果与分析
    5.6 本章小结
6 系统实现
    6.1 CloudSim
    6.2 CloudSim的改进
        6.2.1 支持DAG任务图调度
        6.2.2 延迟执行
        6.2.3 通用的调度接口
    6.3 可视化移动云计算仿真系统
    6.4 本章小结
7 总结与展望
    7.1 本文总结
    7.2 未来工作展望
致谢
参考文献
附录



本文编号：3704538