基于多态蚁群算法的云计算节能资源调度

发布时间：2017-09-07 02:11

  本文关键词：基于多态蚁群算法的云计算节能资源调度

  更多相关文章： 云计算 资源调度 节能 蚁群算法 CloudSim

【摘要】：云计算作为一种新兴的IT服务模式,是当前研究的一个热点,它以服务访问的方式向用户按需提供可靠、廉价的计算资源。借助于虚拟化技术,云计算将云环境下规模庞大、结构复杂的物理资源转化成不同种类的虚拟资源池进行统一管理,对云端提交的任务进行自动化部署,使得服务购买者能够在使用计算资源的同时,不必增加额外的购置、维护资源的开销。而实现这样一个平台要解决的关键问题之一便是如何有效的进行资源调度。资源调度的核心是高效地建立资源与任务之间映射关系,主要包含了两个层次的调度:一是在虚拟资源层面,即是建立云任务和虚拟资源的映射,二是在物理资源层面,即是建立虚拟资源和宿主机之间的映射关系。良好的资源调度策略应该满足用户QoS、缩短云任务的执行时间、实现负载均衡和经济高效等目标,它决定了云计算平台的整体性能。蚁群算法(ACO)是一种通过蚁群之间的协作而达到寻优目的群体智能算法,其思想是受到蚂蚁觅食过程的启发。其主要原理是蚁群在行进的过程中会释放和感知信息素的浓度,并且在信息素的指导下根据轮盘赌法则选择下一时刻行进的方向。在蚁群行进过程中,信息素实际上是作为了群体间信息传递的媒介。蚁群的信息素机制是一种正反馈机制,随着时间的推移,较优路径在单位时间内积聚的信息素量呈上升趋势,蚁群数量也会逐步递增,在这种正反馈机制下蚁群和信息素相互作用,算法最终达到收敛状态。蚁群算法对于解决组合优化问题具有较好的适应性。而云环境下资源与任务之间的映射本质上也是一个组合优化问题,因此本文采用了蚁群算法来探讨云计算的资源调度问题。本文在研究了云计算体系结构和运行模式的基础上,探索了资源调度的模型,明确了资源调度要解决的问题。针对蚁群算法执行时间长的缺点,引入了子空间搜索和多态蚁群两种机制来对算法的复杂度进行降维处理。在此基础之上,改进蚁群算法来适应第二个层面的资源调度问题,即虚拟机对物理主机的调度。调度的目标是要实现数据中心节能和负载均衡。在行文最后借助于CloudSim平台对算法进行了仿真验证,实验结果表明数据中心的能耗得到了有效控制并且负载均衡水平良好。
【关键词】：云计算 资源调度 节能 蚁群算法 CloudSim
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP393.09
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-13
• 1.1 研究的背景8
• 1.2 研究的意义8-10
• 1.3 国内外研究现状10-11
• 1.4. 本文的研究内容11-13
• 2 云计算综述13-22
• 2.1 云计算的概念13
• 2.2 云计算的发展现状13-14
• 2.3 云计算的架构14-21
• 2.3.1 云计算体系结构14-16
• 2.3.2 云计算技术架构16-17
• 2.3.3 云计算的关键技术17-19
• 2.3.4 云计算的服务模型19-21
• 2.4 本章小结21-22
• 3 云计算资源调度的对比研究22-31
• 3.1 云计算资源调度概述22-23
• 3.2 云计算资源调度的目标23
• 3.3 常用的资源调度算法对比研究23-29
• 3.3.1 传统启发式算法24
• 3.3.2 遗传算法24-26
• 3.3.3 粒子群算法26-28
• 3.3.4 蚁群算法28-29
• 3.4 资源调度过程中的服务器负载均衡29-30
• 3.5 本章小结30-31
• 4 基于多态蚁群算法的虚拟机分配策略31-50
• 4.1 蚁群算法31-34
• 4.1.1 蚁群算法概述31-32
• 4.1.2 蚁群算法的原理和数学模型32-34
• 4.1.3 基本蚁群算法的优缺点34
• 4.2 TSP问题的子空间搜索34-37
• 4.3 多态蚁群算法37-39
• 4.4 基于多态蚁群算法的节能资源调度策略39-49
• 4.4.1 云计算环境下的能耗模型39-40
• 4.4.2 云计算环境下的网络模型40-42
• 4.4.3 主机性价比模型42-43
• 4.4.4 基于多态蚁群算法的虚拟机的分配策略43-48
• 4.4.5 数据中心运行过程中的负载均衡48-49
• 4.5 本章小结49-50
• 5 实验仿真与结果分析50-55
• 5.1 CloudSim简介50
• 5.2 实验环境和参数设置50-51
• 5.3 试验仿真流程与结果分析51-54
• 5.4 本章小结54-55
• 6 总结和展望55-57
• 6.1 论文总结55-56
• 6.2 下一步的研究工作和展望56-57
• 致谢57-58
• 参考文献58-60
• 附录A 作者在攻读学位期间内发表的论文目录60

【相似文献】

中国期刊全文数据库 前10条

1 周建涛;陆海燕;叶新铭;;面向资源调度的矩阵规范化方法研究[J];中山大学学报(自然科学版);2009年01期

2 夏文明;李国富;;资源调度问题研究综述[J];机电工程;2009年07期

3 林伟伟;齐德昱;;云计算资源调度研究综述[J];计算机科学;2012年10期

4 杨继君;许维胜;黄武军;吴启迪;;基于多灾点非合作博弈的资源调度建模与仿真[J];计算机应用;2008年06期

5 梁金华;;基于仿真网格平台的资源调度算法模拟[J];科技信息;2010年18期

6 薛玉;;云计算环境下的资源调度优化模型研究[J];计算机仿真;2013年05期

7 罗丹;;云计算资源调度算法仿真[J];计算机仿真;2013年07期

8 谢斌;林华;;联合战场资源调度问题综述[J];舰船电子工程;2013年10期

9 林永毅,张智江,廖黛丽,倪凌;电信传输资源及调度一体化管理的研究与实现[J];电信科学;2002年10期

10 吉军;蔚承建;陈胜峰;陈旭;;分散式多工厂资源调度中的一种理性策略[J];计算机应用;2010年11期

中国重要会议论文全文数据库 前3条

1 曹东旭;刘明阳;;基于马尔科夫决策链的作战资源调度[A];2014第二届中国指挥控制大会论文集（上）[C];2014年

2 王兵;贾利民;龙慧;郭杜杜;马玉春;;新疆公路网交通事故应急救援资源调度系统设计及应用[A];第七届中国智能交通年会优秀论文集——智能交通应用[C];2012年

3 丛慧芳;王文生;谢能付;;农业信息网格环境中数据传输资源调度方法研究[A];中国农业信息科技创新与学科发展大会论文汇编[C];2007年

中国重要报纸全文数据库 前1条

1 本报记者 吴挺;云计算的管理需求显现[N];计算机世界;2009年

中国博士学位论文全文数据库 前10条

1 王小乐;信息物理融合系统资源调度关键技术研究[D];国防科学技术大学;2014年

2 吴晓民;能量捕获驱动的异构网络资源调度与优化研究[D];中国科学技术大学;2016年

3 朱锐意;LTE系统资源动态分配算法研究[D];中国科学技术大学;2016年

4 王力;铁路集装箱中心站关键资源调度优化理论与方法[D];北京交通大学;2014年

5 马满福;基于计算经济的网格资源管理研究[D];西北工业大学;2007年

6 冉泳屹;云环境下基于随机优化的动态资源调度研究[D];中国科学技术大学;2015年

7 徐昕;基于博弈论的云计算资源调度方法研究[D];华东理工大学;2015年

8 徐劲松;SLA约束下的云资源调度关键技术研究[D];南京邮电大学;2013年

9 张静乐;网络环境下协同服务关键技术研究[D];北京科技大学;2011年

10 田国忠;多DAG共享资源调度的若干问题研究[D];北京工业大学;2013年

中国硕士学位论文全文数据库 前10条

1 王艳平;基于蚁群算法的云计算资源调度研究[D];曲阜师范大学;2015年

2 何兰兰;云环境下基于SLA的优化资源管理机制研究[D];江西理工大学;2015年

3 张扬;基于QPSO-SFLA改进算法的云环境资源调度研究[D];江西理工大学;2014年

4 杨南;藏文舆情云分析平台资源调度优化研究[D];西北民族大学;2015年

5 李超;基于改进粒子群算法的云计算资源调度研究[D];中国矿业大学;2015年

6 郭庆光;基于协同演化算法的云计算资源调度的研究[D];电子科技大学;2014年

7 陈强;载波聚合下的资源调度研究[D];电子科技大学;2014年

8 梁俊杰;基于应用容器的云资源调度研究与实现[D];电子科技大学;2015年

9 赵颖;Hadoop环境下的动态资源管理研究与实现[D];上海交通大学;2015年

10 徐政;基于QoS的LTE资源调度策略研究[D];南京邮电大学;2015年

，

本文编号：806796