基于蜂群算法的云计算负载均衡问题研究

发布时间：2017-10-12 23:11

  本文关键词：基于蜂群算法的云计算负载均衡问题研究

  更多相关文章： 云计算 负载均衡 优化算法 智能计算 蜂群算法

【摘要】：云计算随着互联网技术,电子信息技术的高速发展,日益成为计算机产业的前沿学科和重点学科。于学术界中,云计算是先进的主流研究方向,当之无愧的尖端领域;于商界中,云计算早已成为全球各大IT巨头争夺的主战场,他们寄希望在信息大爆炸的时代中,在无限的商机中分得一杯羹,在云计算及其相关的领域中可以大展拳脚。云计算是一个新兴的概念,它第一次被提出是在2006年搜索引擎大会中由Google首席执行官埃里克·施密特(Eric Schmidt)提出的,标志云计算的正式诞生。然而,早在06年之前,上世纪八十年代末期,SUN公司提出了“网络就是计算机的概念”,就已经出现了今天云计算的雏形。负载均衡最早是为了解决计算机中拥塞和任务调度而产生的,在互联网发展的大环境中,尤其云计算概念的引入,逐渐成为了云计算不可分割的重要组成部分,成为了云计算研究领域重要的一个分支方向。目前,负载均衡算法的研究,智能算法和仿生学的智能计算技术是研究的较为集中的方向之一。利用模拟动物或者植物某种习性,将任务或者资源合理有效地分配到适当的虚拟机和系统中。简而言之,让计算机拥有动植物的智能方式,有目的有选择地进行任务的执行,而不是盲目漫无目标地进行,本文正是对此的研究。本论文首先简单的介绍了云计算相关内容的概念、特点和应用,以及发展趋势问题。其次详细介绍了蜂群算法流程与负载均衡模型搭建,并且在此基础上对算法设计进行了理论分析,为后面提出两种蜂群算法提出了科学模型。随后,提出基于蜂群算法的负载均衡方法(Artificial Bee Colony Algorithm)和基于改进蜂群的负载均衡方法(Interaction Artificial Bee Colony Algorithm),最后对提出的两个算法进行模拟建模,实验测试与分析总结。经实验说明,基于蜂群算法的负载均衡方法大大缩短了云系统中执行任务需要的时间,并且最大限度利用了系统中现有的资源。蜂群算法极大提高了云计算平台的工作效率,在实验中取得了良好的效果。
【关键词】：云计算 负载均衡 优化算法 智能计算 蜂群算法
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP393.09;TP18
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-15
• 1.1 课题背景与意义8-10
• 1.1.1 课题研究目的及意义8-10
• 1.1.2 课题来源及本文主要工作10
• 1.2 国内外研究现状10-13
• 1.2.1 云计算10-11
• 1.2.2 负载均衡11-12
• 1.2.3 负载均衡中智能算法12-13
• 1.3 本文主要研究内容13-14
• 1.4 本文的组织结构14-15
• 第2章 蜂群算法与负载均衡分析15-26
• 2.1 蜂群算法15-17
• 2.1.1 蜜蜂采蜜描述15
• 2.1.2 蜂群算法分析15-17
• 2.2 负载均衡问题17-22
• 2.2.1 模型搭建17-21
• 2.2.2 算法设计及可行性分析21-22
• 2.3 实验平台介绍22-24
• 2.4 本章小结24-26
• 第3章 蜂群算法的负载均衡设计26-44
• 3.1 环境配置与数学模型26-29
• 3.1.1 环境设置26-27
• 3.1.2 数学模型27-29
• 3.2 基于蜂群算法的负载均衡实现29-32
• 3.3 基于蜂群算法的负载均衡实验结果和效率32-43
• 3.4 本章小结43-44
• 第4章 改进的蜂群算法的负载均衡设计44-51
• 4.1 实验环境与数学模型44-45
• 4.1.1 环境配置44
• 4.1.2 数学模型44-45
• 4.2 改进的蜂群算法负载均衡实现45-48
• 4.3 改进的蜂群算法负载均衡实验结果与效率48-50
• 4.4 本章小结50-51
• 第5章 两种蜂群算法的负载均衡方法比较51-57
• 5.1 两种基于蜂群算法的负载均衡算法比较51
• 5.2 算法分析与未来改进51-56
• 5.3 本章小结56-57
• 结论57-58
• 参考文献58-63
• 攻读硕士学位期间发表的论文及其它成果63-65
• 致谢65

【相似文献】

中国期刊全文数据库 前10条

1 冯舜玺;;新书推荐:《算法分析导论》[J];计算机教育;2006年05期

2 张力,慕晓冬;计算机算法分析浅谈[J];武警工程学院学报;2002年04期

3 马安光;;飞弹问题的算法分析——2003年第10期题解[J];程序员;2003年12期

4 苏运霖;;《算法分析导论》评介[J];计算机教育;2006年07期

5 朱力强;;培养学生创新思维与能力的算法分析案例[J];计算机与信息技术;2007年11期

6 汪菊琴;;几种常见特殊方阵的算法分析与实现[J];无锡职业技术学院学报;2009年05期

7 李涵;;“算法分析与设计”课程教学改革和实践[J];中国电力教育;2010年16期

8 刘宁;管涛;;浅析案例教学法在算法分析与设计课程中的应用[J];科技风;2011年07期

9 胡峰;王国胤;;“算法分析与设计”教学模式探索[J];当代教育理论与实践;2011年12期

10 赵娟;;浅析启发式教学法在《算法分析与设计》课程中的应用[J];福建电脑;2012年06期

中国重要会议论文全文数据库 前10条

1 俞洋;田亚菲;;一种新的变步长LMS算法及其仿真[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年

2 周颢;刘振华;赵保华;;构造型的D~2FA生成算法[A];中国通信学会通信软件技术委员会2009年学术会议论文集[C];2009年

3 赖桃桃;冯少荣;张东站;;一种基于划分和密度的快速聚类算法[A];第二十五届中国数据库学术会议论文集（一）[C];2008年

4 刘远新;邓飞其;罗艳辉;舒添慧;;ERP柔性平台下物流运输配送系统算法分析[A];第二十六届中国控制会议论文集[C];2007年

5 王树西;白硕;姜吉发;;模式合一的“减首去尾”算法[A];第二届全国学生计算语言学研讨会论文集[C];2004年

6 王万青;张晓辉;;改进的A~*算法的高效实现[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

7 孙焕良;邱菲;刘俊岭;朱叶丽;;IncSNN——一种基于密度的增量聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

8 韩建民;岑婷婷;于娟;;实现敏感属性l-多样性的l-MDAV算法[A];第二十七届中国控制会议论文集[C];2008年

9 张悦;尤枫;赵瑞莲;;利用蚁群算法实现基于程序结构的主变元分析[A];第五届中国测试学术会议论文集[C];2008年

10 王旭东;刘渝;邓振淼;;正弦波频率估计的修正Rife算法及其FPGA实现[A];全国第十届信号与信息处理、第四届DSP应用技术联合学术会议论文集[C];2006年

中国重要报纸全文数据库 前1条

1 科文;VIXD算法分析Web异常[N];中国计算机报;2008年

中国博士学位论文全文数据库 前10条

1 魏哲学;样本断点距离问题的算法与复杂性研究[D];山东大学;2015年

2 刘春明;基于增强学习和车辆动力学的高速公路自主驾驶研究[D];国防科学技术大学;2014年

3 刘新旺;多核学习算法研究[D];国防科学技术大学;2013年

4 于滨;城市公交系统模型与算法研究[D];大连理工大学;2006年

5 曾国强;改进的极值优化算法及其在组合优化问题中的应用研究[D];浙江大学;2011年

6 肖永豪;蜂群算法及在图像处理中的应用研究[D];华南理工大学;2011年

7 陈耿;面向中观审计的规则发现算法研究[D];东南大学;2005年

8 王维博;粒子群优化算法研究及其应用[D];西南交通大学;2012年

9 鱼亮;蛋白质网络模块结构识别算法研究[D];西安电子科技大学;2011年

10 李玉英;混沌蚂蚁群优化算法及其应用研究[D];北京邮电大学;2009年

中国硕士学位论文全文数据库 前10条

1 黄厦;基于改进蚁群算法的柔性作业车间调度问题研究[D];昆明理工大学;2015年

2 李平;基于Hadoop的信息爬取与舆情检测算法研究[D];昆明理工大学;2015年

3 赵官宝;基于位表的关联规则挖掘算法研究[D];昆明理工大学;2015年

4 殷文华;移动容迟网络中基于社会感知的多播分发算法研究[D];内蒙古大学;2015年

5 徐翔燕;人工鱼群优化算法及其应用研究[D];西南交通大学;2015年

6 李德福;基于小世界模型的启发式寻路算法研究[D];华中师范大学;2015年

7 郑海彬;一种面向MAPREDUCE的DATASHUFFLE的优化方法[D];苏州大学;2015年

8 赵晓寒;轮换步长PSO算法及SMVSC参数优化[D];沈阳理工大学;2015年

9 安丰洋;基于无线网络的广播算法研究[D];曲阜师范大学;2015年

10 李智明;基于改进FastICA算法的混合语音盲分离[D];上海交通大学;2015年

，

本文编号：1021443