基于布谷鸟搜索算法的云计算资源负载分配研究

发布时间：2021-12-18 12:49

　　资源负载分配是云计算领域的重要研究方向,当前云计算资源负载分配算法难以得到最合理的分配方案,导致部分云计算资源上存在负载过重或者空负载现象,云计算资源利用率低。为了解决当前云计算资源负载分配算法存在的局限性,提出基于布谷鸟搜索算法的云计算资源负载分配算法。首先分析当前云计算资源负载分配算法的研究进展,建立云计算资源负载分配模型,然后利用具有模拟鸟群群集行为和特征的布谷鸟搜索算法对其进行求解,根据最优鸟巢位置得到云计算资源负载分配方案,最后采用CloudSim软件实现了云计算资源负载分配仿真测试实验。结果表明,相当于当前其它云计算资源负载分配算法,布谷鸟搜索算法的求解效率得到了明显提升,求解精度也得到了相应的改善,可以保证云计算资源上分配的负载十分均衡,提高了云计算资源负载利用率,降低了云计算系统的运行成本。 

【文章来源】：微型电脑应用. 2020,36(02)

【文章页数】：4 页

【部分图文】：

布谷鸟搜索算法的工作流程

云计算的体系结构

不同负载数量的条件下,两种云计算资源负载分配算法找到最优方案的迭代次数变化曲线如图3所示。从图3可以看出,随着负载数量的增加,迭代次数不断的增加,当负载数量较小时,两种算法的迭代次数相差不大,但当负载数量比较大时,布谷鸟搜索算法的迭代次数少于文献[11]算法,从而加快了找到云计算资源负载分配最优方案的速度,验证了布谷鸟搜索算法的有效性。

【参考文献】：
期刊论文
[1]一种基于共享公平和时变资源需求的公平分配策略[J]. 李杰,张静,李伟东,张学杰.  计算机研究与发展. 2019(07)
[2]移动边缘计算环境下的动态资源分配策略[J]. 朱新峰,张智浩,王彦凌.  计算机工程与科学. 2019(07)
[3]云计算环境下的资源分配关键技术研究综述[J]. 姜栋瀚,林海涛.  中国电子科学研究院学报. 2018(03)
[4]基于计算资源运行时剩余能力评估优化云平台[J]. 周墨颂,董小社,陈衡,张兴军.  计算机研究与发展. 2017(11)
[5]基于改进型离散粒子群优化的云计算资源分配方案[J]. 谢辅雯,张敏.  湘潭大学自然科学学报. 2017(03)
[6]云计算中时间感知应用的资源分配与调度算法[J]. 刘小铭,李宗辉,王俊杰,许旭江.  西南师范大学学报(自然科学版). 2017(07)
[7]一种混合优化的云计算资源调度算法[J]. 陈钦荣,刘顺来,林锡彬.  韩山师范学院学报. 2016(06)
[8]基于改进粒子群算法的云计算资源调度模型的研究[J]. 赵宏伟.  沈阳大学学报(自然科学版). 2015(06)
[9]基于粒子群优化算法的云计算资源调度策略研究[J]. 周丽娟,王春影.  计算机科学. 2015(06)
[10]云计算环境下的DPSO资源负载均衡算法[J]. 冯小靖,潘郁.  计算机工程与应用. 2013(06)



本文编号：3542429