QoS约束下基于蚁群算法的云计算任务调度策略研究

发布时间：2025-01-18 12:49

　　任务调度是云计算运行过程的重要环节,关乎着调度系统的整体性能。基于云计算的基础设施、平台、软件三层服务体系中均关联着任务调度与资源分配问题。好的任务调度算法可缩短任务完成时间,减少任务完成成本,从而提高用户满意度。基于云计算动态伸缩特征,在满足用户需求变化的条件下,实现计算资源高效率分配成为任务调度中研究热点。蚁群算法在解决NP-hard问题的云计算任务调度中广泛应用,并取得较好的调度效果。但蚁群算法的缺陷是初始信息素匮乏、容易陷入局部最优解。现有调度算法优化目标相对单一,大部分调度模型仅考虑任务完成时间、负载均衡、用户满意度等指标中的单一目标。对于用户任务具有截止完成时间和预期费用QoS(Quality of Service)约束下优化用户满意度的调度策略考虑较少。本文提出一种QoS约束下基于蚁群算法的云计算任务调度策略。本文的研究内容是任务调度到虚拟机上的策略问题。目的是提高虚拟机资源利用率的同时减少任务消耗时间并提升用户综合满意度。在考虑用户截止完成时间和任务预期费用两个QoS约束下,分别建立时间和费用隶属度函数。将两个评价指标归一化处理定义为用户满意度函数,并融入到蚁群算法信息素...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景和研究意义
        1.1.1 研究背景
        1.1.2 课题研究意义
    1.2 研究现状
    1.3 论文主要研究内容
    1.4 本文组织结构
第2章 云任务调度相关概述
    2.1 云计算简介
    2.2 云计算中的任务调度
        2.2.1 任务调度的定义
        2.2.2 任务调度的目标
        2.2.3 任务调度中存在的问题
    2.3 云计算中任务调度算法
        2.3.1 传统的任务调度算法
        2.3.2 智能启发任务调度算法
    2.4 基本蚁群算法
        2.4.1 蚁群算法概述
        2.4.2 蚁群算法基本原理
        2.4.3 蚁群算法的模型描述
        2.4.4 蚁群算法的具体实现
    2.5 本章小结
第3章 基于蚁群算法的云任务调度策略
    3.1 云计算任务调度模型
        3.1.1 任务定义
        3.1.2 虚拟机定义
        3.1.3 优化目标函数的定义
    3.2 QoS约束下基于蚁群算法的云计算任务调度策略
        3.2.1 信息素初始化
        3.2.2 蚂蚁概率转移规则
        3.2.3 启发函数的定义
        3.2.4 信息素更新规则
        3.2.5 算法的性能指标
        3.2.6 算法具体流程
    3.3 本章小结
第4章 Q-ACO算法的参数设置研究
    4.1 信息素启发因子α的研究与设定
    4.2 期望启发因子β的研究与设定
    4.3 信息素挥发因子ρ的研究与设定
    4.4 本章小结
第5章 仿真实验与结果分析
    5.1 实验环境简介
        5.1.1 Cloudsim仿真平台的简介
        5.1.2 Cloudsim核心类
        5.1.3 Cloudsim仿真平台的搭建
    5.2 实验环境设置
    5.3 实验结果与分析
        5.3.1 任务时间对比
        5.3.2 任务完成成本对比
        5.3.3 用户满意度对比
    5.4 本章小结
第6章 总结及未来工作
    6.1 工作总结
    6.2 未来工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：4028636