基于改进粒子群算法的云任务调度方案研究

发布时间：2017-03-31 04:05

  本文关键词：基于改进粒子群算法的云任务调度方案研究，由笔耕文化传播整理发布。

【摘要】：作为一种新兴的商业计算模式,云计算是网格计算,并行计算和效用计算融合发展的产物。云计算采用虚拟化技术将系统中的资源组成一个虚拟共享池,用户通过互联网从资源池中获取所需的资源型服务或者应用型服务。云计算在社会新需求和规模经济需求的强烈推动下产生,具有较高的商业价值和应用价值,自提出以来就成为国内外商业机构和科研领域重点研究和关注的对象。云环境下用户基于“按需请求、按量付费”的标准从资源池中获取服务。由于系统中用户群体广泛,用户任务的服务质量目标各不相同,以及资源动态性和异构性的特点,使得云环境下任务调度成为一个NP-hard问题。因此,本文提出一种基于执行时间和执行费用的改进粒子群算法的云任务调度方案。本文主要研究内容和所做工作包括：(1)全面的、详细的介绍云计算技术平台和云计算任务调度的国内外研究现状,对云计算和任务调度的相关概念研究进行说明,并对已经提出的云任务调度算法做出一定的总结和阐述。(2)针对云计算的商业化特征,将用户任务调度请求的执行时间和执行费用作为服务质量目标,并且基于这两个目标建立云任务调度的数学模型。(3)在粒子群算法的实现基础上,提出一种改进的离散化粒子群算法,算法通过引入遗传算法的交叉操作和变异操作,使粒子群算法可以解决任务调度离散化的问题。实现过程包括采用二进制的离散编码方式对任务调度问题进行编码：对种群采取位置更新策略；为提高改进算法的局部搜索精度,采用一种基于Interchange邻域结构的局部搜索策略来提升种群后期的寻优能力。(4)采用云计算仿真模拟器CloudSim将改进的离散化粒子群算法与标准粒子群算法、遗传算法进行比较,仿真结果表明改进的粒子群算法收敛速度更快,寻优能力更好。
【关键词】：云计算 任务调度 粒子群算法 离散化
【学位授予单位】：安徽财经大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP3;TP18
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 1 引言10-19
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-17
• 1.2.1 云计算技术平台研究现状11-15
• 1.2.2 云计算任务调度研究现状15-17
• 1.3 本文的创新点和不足17
• 1.3.1 主要创新点17
• 1.3.2 本文的不足17
• 1.4 本文的组织结构17-19
• 2 云环境下任务调度相关研究19-32
• 2.1 云计算概述19-26
• 2.1.1 云计算的定义19-20
• 2.1.2 云计算的特点20-21
• 2.1.3 云计算的分类21-24
• 2.1.4 云计算的体系结构24-25
• 2.1.5 云计算的关键技术25-26
• 2.2 任务调度概述26-29
• 2.2.1 任务调度的定义26-27
• 2.2.2 任务调度的特点27-28
• 2.2.3 任务调度的目标28-29
• 2.3 常见的任务调度算法29-31
• 2.3.1 传统型任务调度算法29-30
• 2.3.2 启发式任务调度算法30-31
• 2.4 本章小结31-32
• 3 基于改进粒子群算法的云任务调度方案32-46
• 3.1 粒子群算法简介32-35
• 3.1.1 粒子群算法的基本原理32-33
• 3.1.2 粒子群算法的控制参数33-34
• 3.1.3 粒子群算法的实现流程34-35
• 3.2 云任务调度问题描述35-36
• 3.3 云任务调度数学模型36-37
• 3.4 基于IDPSO的任务调度算法37-45
• 3.4.1 算法的编码方式37-39
• 3.4.2 适应度函数39
• 3.4.3 粒子位置更新策略39-43
• 3.4.4 局部搜索策略43-44
• 3.4.5 IDPSO算法实现流程44-45
• 3.5 本章小结45-46
• 4 实验仿真与结果分析46-57
• 4.1 CloudSim概述46-52
• 4.1.1 CloudSim的功能和特点46-47
• 4.1.2 CloudSim的体系结构47-49
• 4.1.3 CloudSim的技术实现49-52
• 4.1.4 CloudSim的工作方式52
• 4.2 仿真实验52-54
• 4.2.1 环境配置52-53
• 4.2.2 仿真流程53-54
• 4.3 实验结果及分析54-56
• 4.3.1 执行时间结果与分析55-56
• 4.3.2 执行费用结果与分析56
• 4.4 本章小结56-57
• 5 总结与展望57-59
• 5.1 工作总结57-58
• 5.2 工作展望58-59
• 参考文献59-63
• 致谢63-64
• 在读期间发表论文64

【相似文献】

中国期刊全文数据库 前10条

1 秦玉灵;孔宪仁;罗文波;;混沌量子粒子群算法在模型修正中的应用[J];计算机工程与应用;2010年02期

2 陈治明;;新型量子粒子群算法及其性能分析研究[J];福建电脑;2010年05期

3 牛永洁;;一种新型的混合粒子群算法[J];信息技术;2010年10期

4 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

5 刘衍民;赵庆祯;邵增珍;;一种改进的完全信息粒子群算法研究[J];曲阜师范大学学报(自然科学版);2011年01期

6 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[J];计算机工程与应用;2011年05期

7 熊智挺;谭阳红;易如方;陈赛华;;一种并行的自适应量子粒子群算法[J];计算机系统应用;2011年08期

8 孟纯青;;非线性粒子群算法[J];微计算机应用;2011年08期

9 任伟建;武璇;;一种动态改变学习因子的简化粒子群算法[J];自动化技术与应用;2012年10期

10 刘飞,孙明,李宁,孙德宝,邹彤;粒子群算法及其在布局优化中的应用[J];计算机工程与应用;2004年12期

中国重要会议论文全文数据库 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

中国博士学位论文全文数据库 前10条

1 王芳;粒子群算法的研究[D];西南大学;2006年

2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年

中国硕士学位论文全文数据库 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

6 杨伟;基于粒子群算法的氧乐果合成过程建模研究[D];郑州大学;2015年

7 李程;基于粒子群算法的AS/RS优化调度方法研究[D];陕西科技大学;2015年

8 樊伟健;基于混合混沌粒子群算法求解变循环发动机数学模型问题[D];山东大学;2015年

9 陈百霞;考虑风电场并网的电力系统无功优化[D];山东大学;2015年

10 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年

  本文关键词：基于改进粒子群算法的云任务调度方案研究，由笔耕文化传播整理发布。

，

本文编号：278829