云计算下基于蚁群优化算法的资源分配研究

发布时间：2017-04-29 16:00

  本文关键词：云计算下基于蚁群优化算法的资源分配研究，由笔耕文化传播整理发布。

【摘要】：随着互联网技术和信息技术的爆炸式发展,越来越多的企业和个人都倾向于使用互联网来开展自己的业务和工作,这就导致互联网中的信息量不断堆积。伴随着大量的移动设备接入互联网,使信息量的增长趋势相当迅猛。传统的计算模式已经不能满足用户对互联网的需求,在这样的大背景下,一种新兴的基于分布式计算的计算模型—“云计算”应运而生。在云计算的发展过程中,资源分配问题作为云计算的一项关键技术还处在研究发展阶段。云环境下的资源分配主要要解决两个问题,其一是要充分的利用云环境中的资源,建立有效的运行机制来协调性能与负载之间的平衡,另一个是如果云环境中的某一个资源出现损坏、丢失或者需求发生变化时,资源的分配策略是否可以有效的实时调整。本文主要研究的是云计算下资源分配算法的优化,在总结前辈工作的基础上,本文所做的主要研究工作和创新点如下:1.描述了蚁群算法的原理并分析了蚁群算法的优缺点,在此基础上,提出了一些对蚁群算法的改进:对做变异交叉操作,变异操作可以有效的降低算法陷入局部最优解的风险,交叉变异操作得出的新解往往比之前的两条较优解更接近于全局最优解,这样可以加快解的收敛以及增加了准确性;通过本次迭代的最优解对该条路径上的信息素浓度做一次加强,可以增加算法收敛的准确性。并通过一个实验验证改进后蚁群算法的性能确实有所提高。2.蚁群算法在算法初期由于信息素浓度是均匀分布的,这就导致算法初期的搜索比较盲目,影响整个算法的收敛速度。在此基础上,通过融合遗传算法和蚁群算法作为一种新型的算法RAAG(Refinement Algorithm for ACO and GA),并对两个算法融合的具体实现进行了说明。该算法利用遗传算法在前期的快速全局搜索能力弥补了蚁群算法的前期搜索能力的不足,通过将遗传算法的最优解转化为蚁群算法的初始信息素,提升了整体算法的性能。最后通过CloudSim仿真平台实验验证了该算法的性能和可行性,总结本文所做的工作以及对云计算下的资源分配问题的研究进行展望。
【关键词】：云计算 资源分配 蚁群算法 遗传算法 分布式
【学位授予单位】：杭州电子科技大学
【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10-14
• 1.1 课题研究背景及意义10-11
• 1.2 课题研究现状11-12
• 1.3 本文的主要工作12-13
• 1.4 本文的组织结构13-14
• 第二章 云环境下资源分配概述14-25
• 2.1 资源分配理论基础14-18
• 2.1.1 云计算资源管理体系14-16
• 2.1.2 资源分配的定义16-17
• 2.1.3 基于QoS的任务分类17-18
• 2.2 资源分配相关技术18-21
• 2.2.1 并行编程模式18-19
• 2.2.2 虚拟化技术19-20
• 2.2.3 负载均衡技术20-21
• 2.3 常用算法21-23
• 2.4 本章小结23-25
• 第三章 云计算环境下蚁群算法的优化25-37
• 3.1 蚁群算法的数学模型25-28
• 3.2 参数选定28-31
• 3.3 蚁群算法的优化31-33
• 3.3.1 全局信息素浓度强化31-32
• 3.3.2 交叉变异操作32-33
• 3.3.3 与其他算法融合33
• 3.4 参数转化33-34
• 3.5 实验仿真与分析34-36
• 3.6 本章小结36-37
• 第四章 遗传算法和优化蚁群算法的融合37-45
• 4.1 蚁群算法前期搜索存在的问题37-38
• 4.2 RAAG算法设计思路38
• 4.3 RAAG算法初期38-40
• 4.3.1 遗传算法模型构建38-39
• 4.3.2 遗传算法的流程39-40
• 4.4 RAAG算法的融合技术40-42
• 4.4.1 融合点的确定40-41
• 4.4.2 初始信息素转化41-42
• 4.5 RAAG算法后期42-43
• 4.6 算法总流程43-44
• 4.7 本章小结44-45
• 第五章 实验仿真及分析45-51
• 5.1 CloudSim简介45-46
• 5.2 仿真实验46-50
• 5.2.1 环境搭建46-47
• 5.2.2 实验结果与分析47-50
• 5.3 本章小结50-51
• 第六章 总结与展望51-53
• 6.1 总结51
• 6.2 展望51-53
• 致谢53-54
• 参考文献54-57
• 附录57-58
• 详细摘要逡逑58-60

【相似文献】

中国期刊全文数据库 前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

4 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

5 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

6 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

7 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

8 吴欣欣;改进GA-TS算法优化的BP神经网络入侵检测研究[D];湖南工业大学;2015年

9 王垒;基于遗传算法的A型单喇叭互通立交线形优化[D];长安大学;2015年

10 龚高;基于遗传算法的桥梁结构传感器优化布置研究[D];长安大学;2015年

  本文关键词：云计算下基于蚁群优化算法的资源分配研究，由笔耕文化传播整理发布。

，

本文编号：335151