基于混沌粒子群鸡群融合优化算法的云任务调度应用与实现

发布时间：2017-05-01 04:15

  本文关键词：基于混沌粒子群鸡群融合优化算法的云任务调度应用与实现，由笔耕文化传播整理发布。

【摘要】：全世界正在飞速地进入一个伟大的时期,即云计算时期。云计算已经变成全球ICT(即:信息通讯技术,Information Communication Technology,简称ICT)行业共同认同的发展核心。云任务调度的好坏直接影响总任务执行时间、总负载均衡程度、总资源消耗成本以及系统资源利用率等方面。所以云任务调度一直都是云计算中一个非常重要的课题,许多科研人员者都为此付出了大量的精力。Eberhart博士和Kennedy博士于1995年提出了粒子群优化(Particle Swarm Optimization,PSO)算法。在粒子群优化算法(PSO)中,因为粒子具有初始化和进化过程随机性的特性,使得gbest和pbest的更新具有相当的无目的性,对进化经过中的收敛产生了影响。此刻使用混沌优化思想能够提高收敛精度和速度的特性,产生一种基于混沌优化思想的混沌粒子群优化(Chaotic Particle Swarm Optimization,CPSO)算法,此算法改进了粒子群优化算法(PSO)不易脱离局部极值点的技能,提升了算法的收敛精度和速度。Xianbing Meng、Yu Liu、Xiaozhi Gao和Hengzhen Zhang等于2014年提出了一种新的仿生学算法:鸡群优化算法(CSO)。鸡群优化算法(CSO)是一种为了优化应用程序而提出全新理念的仿生学多种群算法。鸡群优化算法(CSO)能够模拟鸡群(包括公鸡,母鸡和小鸡)的等级层次和行为,并且能够有效地利用鸡群的群体智能来解决优化的问题。由于粒子群优化算法(PSO)存在不容易摆脱极值,从而导致早熟的缺点,这就可能造成不充分搜索。而鸡群优化算法(CSO)是一种典型的多种群算法,是一种能够有效解决早熟问题的算法,是一种能够有效地平衡全局搜索以及局部搜索的算法。为了更好完成云平台下任务调度应用与实现,本文提出混沌粒子群鸡群融合优化算法(CPSCSFO)。混沌算法的优势在于使用混沌变量实行探索通常能比无目标无顺序地随机探索更加出色。粒子群优化算法(PSO)的优势在于探索更迅速、效率更高,算法更加方便,适宜解决实值型问题。鸡群优化算法(CSO)的优势在于鸡群优化算法(CSO)是典型的多种群算法,拥有良好的准确性和鲁棒性。混沌粒子群鸡算融合算法(CPSCSFO)正好融合了以上三种算法的上述相关优点。混沌粒子群鸡算融合优化算法(CPSCSFO)在种群初始化过程中使用混沌优化思想,使得个体具有随机性本质。混沌粒子群鸡算融合优化算法(CPSCSFO)在种群位置和速度更新过程中利用鸡优化群算法(CSO)多种群的优势,使得种群中的不同个体可以按照不同的学习策略进行学习,对速度和位置进行更新。不仅确保每个不同群体的自立性和卓越性,而且不增添算法的时空复杂度。混沌粒子群鸡算融合优化算法(CPSCSFO)使用混沌优化思想对种群的位置进行混沌优化,由此支援惰性个体摆脱局部最小点,并且迅速找到最优解。最后就是在Cloud Sim模拟器上进行仿真和对比实验。对混沌粒子群鸡群融合优化算法(CPSCSFO)与轮询调度算法(RRS)、粒子群优化算法(PSO)、混沌粒子群优化算法(CPSO)进行性能上的比较。主要的性能对比目标有以下三个:总任务执行时间、总负载均衡程度以及总资源消耗成本。实验结果表明本文所提出的混沌粒子群鸡算融合优化算法(CPSCSFO)在总任务执行时间、总负载均衡程度以及总资源消耗成本上相比于轮询调度算法(RRS)、粒子群优化算法(PSO)、混沌粒子群优化算法(CPSO)具有一定的优越性。实验结果表明,本文所提出的混沌粒子群鸡群融合优化算法(CPSCSFO)能够有效克服粒子群优化算法(PSO)早熟的问题,全局寻优能力较强,寻优速度较快,有效地解决了收敛性能和全局寻优能力之间的矛盾。混沌粒子群鸡群融合优化算法(CPSCSFO)能够进行更加全面的探索,从而得到更加优秀的解,使得任务能够在合适的虚拟机上进行处理,有助于减少云任务总执行时间,提高云任务总负载均衡程度,减少云任务总资源消耗成本,提高用户服务质量需求,获取最大化经济效益以及提高云任务调度系统资源利用率等指标。综上所述,本文所提出的混沌粒子群鸡群融合优化算法(CPSCSFO)能够更好地解决云任务调度问题。
【关键词】：云计算 云计算任务调度 粒子群优化算法 鸡群优化算法 混沌粒子群鸡群融合优化算法
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-7
• Abstract7-15
• 第1章 绪论15-19
• 1.1 本文的研究背景15-16
• 1.1.1 云任务调度现状15-16
• 1.2 本文的选题意义16-17
• 1.2.1 主要群智能算法16
• 1.2.2 主要群智能算法云任务调度的意义16-17
• 1.3 本文的主要工作17
• 1.4 论文的组织结构17-19
• 第2章 云任务调度相关知识介绍19-31
• 2.1 云计算的概念19-25
• 2.1.1 云计算发展背景19-22
• 2.1.2 云计算应用初步分类22-24
• 2.1.3 云计算的主要特征和技术挑战24-25
• 2.2 云数据中心概述25-26
• 2.3 云计算数据中心资源调度需求分析26
• 2.4 云计算数据中心资源调度标准进展26-28
• 2.5 云数据中心资源管理调度核心技术以及科研热门28-29
• 2.6 实时负载均衡调度29-30
• 2.6.1 实时负载均衡调度的背景29-30
• 2.6.2 实时负载均衡调度的相关工作30
• 2.7 本章小结30-31
• 第3章 粒子群优化算法的云任务调度策略31-38
• 3.1 粒子群优化算法（PSO）引言31-32
• 3.2 粒子群优化算法（PSO）原理的介绍32-33
• 3.3 粒子群优化算法（PSO）流程33-34
• 3.4 粒子群优化算法（PSO）参数解析与设置34-35
• 3.5 加惯性权重的粒子群优化算法（SPSO）35-37
• 3.6 粒子群优化算法（PSO）在云任务调度中可行性分析37
• 3.7 本章小结37-38
• 第4章 混沌粒子群鸡群融合优化算法的云任务调度策略38-54
• 4.1 混沌粒子群算法（CPSO）模型38-41
• 4.1.1 混沌及其特性38-39
• 4.1.2 混沌粒子群优化算法（CPSO）的根本思想39
• 4.1.3 混沌粒子群优化算法（CPSO）的实现流程39-40
• 4.1.4 混沌粒子群优化算法（CPSO）在云任务调度中可行性分析40-41
• 4.2 鸡群优化算法（CSO）41-45
• 4.2.1 鸡群优化算法（CSO）简介41-43
• 4.2.2 鸡群优化算法（CSO）原理的简单介绍43-44
• 4.2.3 鸡群优化算法（CSO）参数分析44-45
• 4.3 混沌粒子群鸡群融合优化算法（CPSCSFO）45-52
• 4.3.1 混沌粒子群鸡群融合优化算法(CPSCSFO)提出背景45
• 4.3.2 混沌粒子群鸡群融合优化算法(CPSCSFO)在云任务调度中可行性分析45-46
• 4.3.3 混沌粒子群鸡群融合优化算法(CPSCSFO)算法的核心思想46-47
• 4.3.4 混沌粒子群鸡群融合优化算法(CPSCSFO)速度和位置更新方法47-48
• 4.3.5 混沌粒子群鸡群融合优化算法（CPSCSFO）的终止条件48
• 4.3.6 混沌粒子群鸡群融合优化算法（CPSCSFO）的实现流程48-49
• 4.3.7 混沌粒子群鸡群融合优化算法（CPSCSFO）的云任务调度模型49-50
• 4.3.8 总任务执行时间评价函数的定义50
• 4.3.9 总负载均衡程度评价函数的定义50-51
• 4.3.10 总消耗成本评价函数的定义51
• 4.3.11 混沌粒子群鸡群融合优化算法（CPSCSFO）求解云任务调度流程51-52
• 4.4 本章小结52-54
• 第5章 实验结果与分析54-65
• 5.1 Cloud Sim54-60
• 5.1.1 Cloud Sim简介54
• 5.1.2 Cloud Sim体系结构54-59
• 5.1.3 Cloud Sim的仿真步骤59-60
• 5.2 实验结果与分析60-64
• 5.2.1 实验数据60-61
• 5.2.2 实验结果与分析61-64
• 5.3 本章小结64-65
• 第6章 总结与展望65-67
• 6.1 工作总结65-66
• 6.2 工作展望66-67
• 参考文献67-70
• 作者简介70-71
• 致谢71

【相似文献】

中国期刊全文数据库 前10条

1 张兰;邢志栋;;基于量子粒子群求解混合整数非线性规划[J];计算机工程与应用;2010年09期

2 沈乃汉;;子群卷积及其快速算法[J];南京邮电学院学报;1987年01期

3 王陆;;虚拟学习社区社会网络中的凝聚子群[J];中国电化教育;2009年08期

4 陈晨;韩章家;张志让;;一个关于极小子群与超可解性的注记[J];成都信息工程学院学报;2012年02期

5 何清;翟建仁;;Fuzzy群[J];河北机电学院学报;1993年03期

6 殷霞;廖祖华;章里程;朱晓英;;双极值模糊(反)软子群[J];计算机工程与应用;2013年19期

7 蔡东平;;2-群中同谱但不同构的群的例子[J];电子制作;2014年08期

8 吴江;;凝聚子群分析构建自动分类网络地图[J];图书馆学研究;2010年03期

9 纪运景,卞保民,贺安之;激光衍射法测量粒子群粒径分布的反演新算法[J];光电子·激光;2002年12期

10 边婧;彭新光;王颖;付东来;;入侵检测不平衡样本子群发现数据简化策略[J];计算机应用研究;2014年07期

中国重要会议论文全文数据库 前10条

1 杨凤翔;杨秀良;;水平子群与正规水平子群的几个定理[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

2 贺雷;吴宏春;曹良志;;二维子群共振计算方法研究[A];第五届反应堆物理与核材料学术研讨会、第二届核能软件自主化研讨会会议摘要集[C];2011年

3 姜豪;;德特肯恒等式的推广[A];数学·物理·力学·高新技术研究进展——2000（8）卷——中国数学力学物理学高新技术交叉研究会第8届学术研讨会论文集[C];2000年

4 梁群;;舞蹈肢体之美 创作女子群舞《绿之韵》的回顾与思考[A];中国演员：2014年第3期（总第39期）[C];2014年

5 黄世恩;姚栋;王侃;;基于子群法的先进中子共振计算方法研究[A];中国核动力研究设计院科学技术年报（2011）[C];2013年

6 朱志平;仇计清;李法朝;;复Fuzzy子群的同态不变性[A];模糊集理论与模糊应用专辑——中国系统工程学会模糊数学与模糊系统委员会第十届年会论文选集[C];2000年

7 孙绍权;;带算子集的区间值Fuzzy子群[A];模糊集理论与应用——98年中国模糊数学与模糊系统委员会第九届年会论文选集[C];1998年

8 于光远;;休闲的价值不言而喻[A];中国休闲研究学术报告2011[C];2011年

9 孙鹏勇;刘树启;;m~n阶并元加性群的m~(n-1)阶子群和它的陪集的位置的生成及应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

10 洪奕光;程代展;;非线性系统线性对称性的几点注释[A];1991年控制理论及其应用年会论文集（下）[C];1991年

中国重要报纸全文数据库 前5条

1 本报记者 周晖;农民工作家王子群: “文化小工”写出农民工心中的纠结[N];中国劳动保障报;2012年

2 虢铭;一次可喜的艺术实践[N];中国文化报;2002年

3 ;政协第十二届漳州市委员会增补委员名单[N];闽南日报;2013年

4 赵国政;采古风 捕民俗 展智慧[N];人民日报海外版;2001年

5 妙心;清新的草原抒情诗[N];中国艺术报;2001年

中国博士学位论文全文数据库 前10条

1 洪海波;MST密码系统签名方案的设计与极小对数签名的构造[D];北京邮电大学;2015年

2 孙超超;关于K_2群的一些问题的研究[D];吉林大学;2015年

3 汤菊萍;给定阶子群的性质对有限群构造的影响[D];扬州大学;2015年

4 毛月梅;子群的广义拟正规性，嵌入性以及部分S-Π-性质与有限群的结构[D];中国科学技术大学;2016年

5 李士恒;子群的正规性质及θ-偶对群的影响[D];苏州大学;2006年

6 黄建红;子群的可补性、置换性与群的结构[D];中国科学技术大学;2011年

7 张新建;子群的正规指数及由共轭子群对生成的子群对群结构的影响[D];苏州大学;2011年

8 郭鹏飞;有限群的广义覆盖远离子群及其结构[D];上海大学;2008年

9 余小龙;子群的广义置换性和广义可补充性对有限群结构的影响[D];中国科学技术大学;2014年

10 申振才;子群的正规性和正规化子条件对群结构的影响[D];苏州大学;2011年

中国硕士学位论文全文数据库 前10条

1 焦文洁;一个新的特征p-子群及其应用[D];山西大学;2015年

2 赵鹏程;非交换子群均自中心化的有限3群[D];山西师范大学;2015年

3 姚媛媛;子群个数最多的有限非初等交换2群[D];山西师范大学;2015年

4 任丽平;非交换子群中心均相等的有限p群[D];山西师范大学;2015年

5 李伟;内交换子群的个数对A_3群结构的影响[D];山西师范大学;2015年

6 张涛;关于群论中一些问题的进一步思考[D];南京财经大学;2015年

7 单友期;阶完全图的齐次分解[D];湖南师范大学;2015年

8 刘瑶;冀北崇礼红旗营子群的岩石组合及时代归属[D];成都理工大学;2015年

9 徐桓;基于量子粒子群的Agent联盟生成问题研究与应用[D];云南师范大学;2015年

10 邱燕燕;某些子群的特性与有限群的结构[D];广西师范大学;2015年

  本文关键词：基于混沌粒子群鸡群融合优化算法的云任务调度应用与实现，由笔耕文化传播整理发布。

，

本文编号：338225