基于改进粒子群算法的云计算多目标任务调度问题研究
发布时间：2022-12-10 17:16
任务调度问题是云计算理论研究中的经典问题,也是研究的热点问题。任务调度的结果关系着云计算的服务质量,影响着用户的使用体验。目前,采用启发式优化算法解决任务调度问题是研究的热点,其中,粒子群算法在求解任务调度问题时表现优异,本文将对粒子群算法优化任务调度策略展开研究。传统粒子群算法在求解云计算多目标任务调度时存在收敛过早、收敛精度低的缺陷。本文通过优化传统的粒子群算法进,提出一种改进的粒子群算法（BIPSO）,测试验证得出算法性能优越,将改进后的粒子群算法引入到云计算多目标任务调度中,提出了一种优化粒子群算法的多目标任务调度策略（MOTS-PSO）。本文对粒子群算法的改进以及将改进后的算法应用到云计算任务调度中,并实现多目标任务调度优化的总体工作内容为:1.引入动态自适应惯性权重策略和动态学习因子策略,动态调节粒子的飞行步长,提高粒子的寻优能力,避免算法寻优后期陷入局部最优解。2.引入花朵授粉算法概率更新机制,平衡粒子群算法的全局搜索和局部搜索,并优化改进粒子的全局搜索位置更新公式,提高算法的收敛精度。3.引入萤火虫算法产生“精英解”,结合“精英解”改进局部搜索位置更新公式,帮助算法跳出...
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题来源
1.2 背景及意义
1.3 国内外研究现状
1.3.1 云计算的研究现状
1.3.2 粒子群优化算法研究现状
1.4 研究内容
1.5 本文组织结构
第二章 云计算概述
2.1 云计算概念
2.2 云计算的特点
2.3 云计算的服务类型
2.4 云计算的体系结构及关键技术
2.4.1 云计算的体系结构
2.4.2 云计算关键技术
2.5 本章小结
第三章 云计算任务调度
3.1 任务调度的概念
3.2 任务调度特点和目标
3.3 经典任务调度算法
3.3.1 传统的任务调度算法
3.3.2 启发式任务调度算法
3.4 粒子群任务调度算法
3.4.1 基本原理
3.4.2 算法流程
3.4.3 任务调度策略参数
3.5 本章小结
第四章 粒子群算法任务调度策略的优化改进
4.1 任务调度策略的优缺点
4.2 任务调度策略的优化改进
4.2.1 自适应惯性权重改进策略
4.2.2 动态学习因子改进策略
4.2.3 花朵授粉算法的改进策略
4.2.4 萤火虫算法混合改进策略
4.2.5 边界处理改进策略
4.3 仿真实验与结果分析
4.3.1 实验环境与参数
4.3.2 结果分析
4.4 本章小结
第五章 基于改进粒子群算法的云计算多目标任务调度
5.1 引言
5.2 多目标任务调度的研究现状
5.3 多目标优化问题的数学描述
5.3.1 问题描述
5.3.2 多目标任务调度数学模型
5.4 多目标任务调度策略
5.5 多目标任务调度适应度函数
5.6 粒子编码与任务调度策略部署流程
5.6.1 粒子编码
5.6.2 任务调度策略部署流程
5.7 仿真实验与结果分析
5.7.1 实验环境与参数
5.7.2 结果分析
5.8 本章小结
第六章 总结与展望
6.1 论文总结
6.2 研究展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]一种动态调整惯性权重的混合粒子群算法[J]. 胡堂清,张旭秀,曹晓月. 电光与控制. 2020(06)
[2]基于禁忌搜索算法的废弃家具回收车辆路径优化[J]. 庞燕,罗华丽,夏扬坤. 计算机集成制造系统. 2020(05)
[3]一种多策略协同的多目标萤火虫算法[J]. 谢承旺,张飞龙,陆建波,肖驰,龙广林. 电子学报. 2019(11)
[4]基于改进差分进化算法的云计算任务调度策略[J]. 林涛,王昊,李鹏. 传感器与微系统. 2019(09)
[5]基于多QoS约束条件的广域信息管理系统任务调度算法[J]. 李罡,吴志军. 通信学报. 2019(07)
[6]引入多级扰动的混合型粒子群优化算法[J]. 徐利锋,黄祖胜,杨中柱,丁维龙. 软件学报. 2019(06)
[7]虚拟化云计算平台的能耗管理[J]. 陈续续,柴功昊. 信息通信. 2019(03)
[8]一种改进的自适应惯性权重的粒子群算法[J]. 张晓莉,王秦飞,冀汶莉. 微电子学与计算机. 2019(03)
[9]基于指数衰减惯性权重的分裂粒子群优化算法[J]. 王永贵,曲彤彤,李爽. 计算机应用研究. 2020(04)
[10]改进粒子群联合禁忌搜索的特征选择算法[J]. 张震,魏鹏,李玉峰,兰巨龙,徐萍,陈博. 通信学报. 2018(12)
硕士论文
[1]云计算环境下任务调度算法的研究[D]. 钟小康.江西理工大学 2018
[2]基于云计算的资源调度和负载均衡的研究[D]. 周斌斌.西南交通大学 2018
[3]基于改进遗传算法的多目标云计算任务调度研究[D]. 陶煜.武汉大学 2018
[4]云数据中心虚拟机负载均衡部署问题研究[D]. 梅东晖.云南大学 2018
本文编号：3717182
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题来源
1.2 背景及意义
1.3 国内外研究现状
1.3.1 云计算的研究现状
1.3.2 粒子群优化算法研究现状
1.4 研究内容
1.5 本文组织结构
第二章 云计算概述
2.1 云计算概念
2.2 云计算的特点
2.3 云计算的服务类型
2.4 云计算的体系结构及关键技术
2.4.1 云计算的体系结构
2.4.2 云计算关键技术
2.5 本章小结
第三章 云计算任务调度
3.1 任务调度的概念
3.2 任务调度特点和目标
3.3 经典任务调度算法
3.3.1 传统的任务调度算法
3.3.2 启发式任务调度算法
3.4 粒子群任务调度算法
3.4.1 基本原理
3.4.2 算法流程
3.4.3 任务调度策略参数
3.5 本章小结
第四章 粒子群算法任务调度策略的优化改进
4.1 任务调度策略的优缺点
4.2 任务调度策略的优化改进
4.2.1 自适应惯性权重改进策略
4.2.2 动态学习因子改进策略
4.2.3 花朵授粉算法的改进策略
4.2.4 萤火虫算法混合改进策略
4.2.5 边界处理改进策略
4.3 仿真实验与结果分析
4.3.1 实验环境与参数
4.3.2 结果分析
4.4 本章小结
第五章 基于改进粒子群算法的云计算多目标任务调度
5.1 引言
5.2 多目标任务调度的研究现状
5.3 多目标优化问题的数学描述
5.3.1 问题描述
5.3.2 多目标任务调度数学模型
5.4 多目标任务调度策略
5.5 多目标任务调度适应度函数
5.6 粒子编码与任务调度策略部署流程
5.6.1 粒子编码
5.6.2 任务调度策略部署流程
5.7 仿真实验与结果分析
5.7.1 实验环境与参数
5.7.2 结果分析
5.8 本章小结
第六章 总结与展望
6.1 论文总结
6.2 研究展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]一种动态调整惯性权重的混合粒子群算法[J]. 胡堂清,张旭秀,曹晓月. 电光与控制. 2020(06)
[2]基于禁忌搜索算法的废弃家具回收车辆路径优化[J]. 庞燕,罗华丽,夏扬坤. 计算机集成制造系统. 2020(05)
[3]一种多策略协同的多目标萤火虫算法[J]. 谢承旺,张飞龙,陆建波,肖驰,龙广林. 电子学报. 2019(11)
[4]基于改进差分进化算法的云计算任务调度策略[J]. 林涛,王昊,李鹏. 传感器与微系统. 2019(09)
[5]基于多QoS约束条件的广域信息管理系统任务调度算法[J]. 李罡,吴志军. 通信学报. 2019(07)
[6]引入多级扰动的混合型粒子群优化算法[J]. 徐利锋,黄祖胜,杨中柱,丁维龙. 软件学报. 2019(06)
[7]虚拟化云计算平台的能耗管理[J]. 陈续续,柴功昊. 信息通信. 2019(03)
[8]一种改进的自适应惯性权重的粒子群算法[J]. 张晓莉,王秦飞,冀汶莉. 微电子学与计算机. 2019(03)
[9]基于指数衰减惯性权重的分裂粒子群优化算法[J]. 王永贵,曲彤彤,李爽. 计算机应用研究. 2020(04)
[10]改进粒子群联合禁忌搜索的特征选择算法[J]. 张震,魏鹏,李玉峰,兰巨龙,徐萍,陈博. 通信学报. 2018(12)
硕士论文
[1]云计算环境下任务调度算法的研究[D]. 钟小康.江西理工大学 2018
[2]基于云计算的资源调度和负载均衡的研究[D]. 周斌斌.西南交通大学 2018
[3]基于改进遗传算法的多目标云计算任务调度研究[D]. 陶煜.武汉大学 2018
[4]云数据中心虚拟机负载均衡部署问题研究[D]. 梅东晖.云南大学 2018
本文编号：3717182
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3717182.html
