本文關(guān)鍵詞：基于改進蟻群算法的云計算平臺資源分配策略研究

  更多相關(guān)文章： 云計算 資源分配 QoS 蟻群算法 CloudSim

【摘要】：云計算已經(jīng)成為目前學術(shù)界研究的熱門方向之一。隨著云計算商業(yè)化過程的進行,云平臺對軟件市場已經(jīng)顯示出巨大的價值。作為云計算技術(shù)的關(guān)鍵問題,資源分配問題和任務(wù)調(diào)度問題一直受到人們的廣泛關(guān)注。目前解決問題的典型算法有Max-min算法、Min-min算法、蟻群算法、遺傳算法等。傳統(tǒng)的任務(wù)調(diào)度算法大多是基于云服務(wù)供應(yīng)商和資源層面進行考慮,忽略了用戶因素。然而云計算作為面向服務(wù)的技術(shù),必須保障用戶的服務(wù)質(zhì)量QoS,包括任務(wù)的時間跨度、執(zhí)行費用、網(wǎng)絡(luò)帶寬、系統(tǒng)穩(wěn)定性等。此外,傳統(tǒng)的任務(wù)調(diào)度算法優(yōu)化目標較為單一,大多是針對時間效率進行提升,而云計算作為一種商業(yè)計算模式,任務(wù)的執(zhí)行成本和系統(tǒng)資源利用率都是云計算系統(tǒng)設(shè)計的因素。本文針對以上缺陷做出改進,從資源使用的公平性和系統(tǒng)均衡性的角度出發(fā),結(jié)合了任務(wù)的QoS特性提出了一種新的基于蟻群算法的資源分配算法JAACO。該算法根據(jù)任務(wù)的Qo S特性對任務(wù)分類,采用人元模型對任務(wù)建模。同時,算法通過Berger模型的正義性分配原理實現(xiàn)在資源選擇過程中公平性約束和評價的雙重約束機制。JAACO算法考慮了任務(wù)的執(zhí)行成本和系統(tǒng)負載均衡方面的因素,使得在保證在理想時間跨度的前提下,能夠滿足用戶服務(wù)質(zhì)量需求,并提高系統(tǒng)資源的利用率。我們基于CloudSim模擬環(huán)境設(shè)計并實現(xiàn)了基于任務(wù)公平性的優(yōu)化蟻群算法JAACO的實驗方案,通過與傳統(tǒng)的蟻群算法和基于時間成本約束的蟻群算法對比,驗證了JAACO算法的有效性和效率。實驗結(jié)果表明,基于任務(wù)公平性的優(yōu)化蟻群算法(JAACO算法)可以應(yīng)對任務(wù)Qo S特性的變化,既降低了任務(wù)的執(zhí)行成本,又提高了系統(tǒng)的負載均衡度和公平性。
【關(guān)鍵詞】：云計算 資源分配 QoS 蟻群算法 CloudSim
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP393.09;TP18
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 云計算及其資源分配概述8-14
• 1.1 研究背景8-9
• 1.2 研究現(xiàn)狀9-11
• 1.3 主要研究內(nèi)容11-12
• 1.4 本文的組織結(jié)構(gòu)12-14
• 第2章 云計算及其資源分配概述14-28
• 2.1 云計算概述14-17
• 2.1.1 云計算概念14
• 2.1.2 云計算體系結(jié)構(gòu)14-16
• 2.1.3 云計算的特點16-17
• 2.2 云資源分配概述17-23
• 2.2.1 云計算資源分配概念17-18
• 2.2.2 云資源分配模型18-20
• 2.2.3 云資源分配的評價指標20-21
• 2.2.4 云資源分配的經(jīng)典算法21-23
• 2.3 蟻群算法23-27
• 2.3.1 蟻群算法原理23-25
• 2.3.2 利用蟻群算法求解TSP問題25-27
• 2.4 本章小結(jié)27-28
• 第3章 云資源分配中Berger模型的研究與應(yīng)用28-41
• 3.1 用戶任務(wù)的服務(wù)質(zhì)量28-29
• 3.2 Berger模型綜述29-31
• 3.2.1 Berger模型簡介29-30
• 3.2.2 Berger模型的分配性正義原理30-31
• 3.3 Berger模型在云資源分配中的可行性分析31-32
• 3.4 基于Berger模型的云資源分配32-34
• 3.4.1 一般期待的公平性約束33
• 3.4.2 公平性評判33-34
• 3.5 系統(tǒng)模型設(shè)計34-40
• 3.5.1 資源模型34-35
• 3.5.2 任務(wù)模型35-37
• 3.5.3 建立映射結(jié)構(gòu)37-40
• 3.5.4 基于Berger模型的調(diào)度模型40
• 3.6 本章小結(jié)40-41
• 第4章 基于公平性的蟻群算法的云資源分配方法41-54
• 4.1 蟻群算法求解云計算資源分配41-43
• 4.2 代價評估43-46
• 4.2.1 虛擬機負載模型43-44
• 4.2.2 任務(wù)代價模型44-45
• 4.2.3 時間及成本約束函數(shù)45-46
• 4.3 調(diào)度算法46-50
• 4.3.1 初始化46-47
• 4.3.2 螞蟻轉(zhuǎn)移概率47-48
• 4.3.3 信息素的更新48-49
• 4.3.4 算法終止49
• 4.3.5 輪盤賭算法49
• 4.3.6 評價指標49-50
• 4.4 算法框架50-53
• 4.5 本章小結(jié)53-54
• 第5章 算法仿真與結(jié)果分析54-67
• 5.1 CloudSim工作方式54-55
• 5.2 CloudSim仿真流程55-57
• 5.3 實驗環(huán)境配置57-58
• 5.4 實驗設(shè)計及驗證58-66
• 5.4.1 類的設(shè)計58-60
• 5.4.2 實驗數(shù)據(jù)設(shè)計60-63
• 5.4.3 實驗結(jié)果及分析63-66
• 5.5 本章小結(jié)66-67
• 結(jié)論67-68
• 參考文獻68-73
• 致謝73

，

本文編號：1017075