本文關(guān)鍵詞：基于云計(jì)算的資源調(diào)度算法研究

  更多相關(guān)文章： 云計(jì)算 資源分配 QoS約束 遺傳算法

【摘要】：云計(jì)算是近年來計(jì)算機(jī)領(lǐng)域最熱門的研究方向之一。隨著云服務(wù)的市場化,其作為新興商業(yè)模式的巨大商業(yè)價(jià)值也正在呈現(xiàn)。云計(jì)算的數(shù)據(jù)中心利用虛擬化技術(shù)將計(jì)算資源、存儲資源等各種軟硬件資源抽象為虛擬化資源,構(gòu)建成動態(tài)的虛擬資源池,向用戶提供按需服務(wù),因此,資源調(diào)度成為云計(jì)算的關(guān)鍵技術(shù)。云計(jì)算的商業(yè)化特點(diǎn)越來越突出,用戶對服務(wù)的需求越來越多樣,這就要求云服務(wù)提供商更多地關(guān)注用戶的需求。云計(jì)算的資源類型各不相同,且系統(tǒng)中的資源是動態(tài)變化的,用戶的偏好也是多種多樣,用戶請求調(diào)度的應(yīng)用任務(wù)的QoS目標(biāo)約束條件通常會包含多個(gè)指標(biāo)方面的要求,用戶任務(wù)的QoS目標(biāo)約束條件的滿足程度在很大程度上決定了云計(jì)算任務(wù)調(diào)度策略的性能優(yōu)劣。針對此問題,本文建立了云計(jì)算資源調(diào)度模型,針對大量用戶任務(wù)各不相同的QoS目標(biāo)約束要求,分別建立相應(yīng)的QoS目標(biāo)約束條件,然后量化用戶的應(yīng)用偏好,應(yīng)用完成時(shí)間、費(fèi)用、可用性、安全性四個(gè)指標(biāo)構(gòu)造的效用函數(shù),將多QoS的目標(biāo)約束問題轉(zhuǎn)換為單目標(biāo)的約束求解問題,并以用戶效用最大化作為目標(biāo)函數(shù)。在此基礎(chǔ)上,本文以改進(jìn)的遺傳算法求解單目標(biāo)的約束問題,將目標(biāo)函數(shù)平方作為適應(yīng)度函數(shù),在遺傳操作方面,引入了一種自適應(yīng)方式,保持種群的多樣性,在更大空間集中搜索最優(yōu)解,并得到一個(gè)較優(yōu)的資源分配策略。本文介紹了云仿真工具CloudSim,并配置實(shí)驗(yàn)環(huán)境。在CloudSim的環(huán)境下對論文提出的改進(jìn)算法進(jìn)行了仿真實(shí)驗(yàn),證明本文算法的可行性和有效性,實(shí)現(xiàn)在保障多維QoS的同時(shí),最大程度降低運(yùn)營的成本和優(yōu)化資源的利用率。本文從任務(wù)的完成時(shí)間、費(fèi)用及目標(biāo)函數(shù)值等三個(gè)方面,將本文算法與傳統(tǒng)遺傳(GA)算法和Min-Min算法進(jìn)行了對比評估。實(shí)驗(yàn)仿真結(jié)果表明：在完成時(shí)間方面,本文相比于Min-Min算法略差,但在其它方面本算法都更優(yōu)于Min-Min算法和傳統(tǒng)GA算法,體現(xiàn)了本文算法更大的優(yōu)越性,綜上所述,本文提出的算法可依據(jù)用戶需求為任務(wù)選擇合適的資源節(jié)點(diǎn)且最終獲得滿意的分配策略。
【關(guān)鍵詞】：云計(jì)算 資源分配 QoS約束 遺傳算法
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP393.09
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-12
• 1 引言12-18
• 1.1 研究背景及意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-15
• 1.2.1 以性能為中心的調(diào)度14
• 1.2.2 以服務(wù)質(zhì)量為中心的調(diào)度14-15
• 1.2.3 以經(jīng)濟(jì)原則為中心的調(diào)度15
• 1.3 主要研究內(nèi)容15-16
• 1.4 論文結(jié)構(gòu)16-17
• 1.5 本章小結(jié)17-18
• 2 云計(jì)算相關(guān)技術(shù)18-30
• 2.1 計(jì)算概述18-22
• 2.1.1 云計(jì)算的定義18-19
• 2.1.2 云計(jì)算的特點(diǎn)19-20
• 2.1.3 云計(jì)算的體系結(jié)構(gòu)20-21
• 2.1.4 云計(jì)算的分類21-22
• 2.2 計(jì)算的關(guān)鍵技術(shù)22-26
• 2.2.1 虛擬化技術(shù)22-23
• 2.2.2 編程方式23-24
• 2.2.3 分布式海量數(shù)據(jù)存儲與處理24-26
• 2.3 典型云計(jì)算平臺26-28
• 2.3.1 Google云計(jì)算平臺26-27
• 2.3.2 Amazon云計(jì)算平臺27
• 2.3.3 IBM“藍(lán)云”平臺27
• 2.3.4 微軟Windows Azure云計(jì)算平臺27-28
• 2.4 遺傳算法在云計(jì)算中的應(yīng)用28-29
• 2.5 本章小結(jié)29-30
• 3 云環(huán)境下基于QoS約束的資源調(diào)度模型30-39
• 3.1 調(diào)度環(huán)境問題描述30-31
• 3.2 常用的云資源調(diào)度算法31-34
• 3.2.1 先進(jìn)先出調(diào)度算法31
• 3.2.2 傳統(tǒng)遺傳算法31-32
• 3.2.3 Suffrage-C算法和WQ算法32
• 3.2.4 Min-Min算法32-33
• 3.2.5 Max-Min算法33-34
• 3.3 本文算法提出與建模34-38
• 3.3.1 資源調(diào)度模型34-35
• 3.3.2 量化用戶應(yīng)用偏好35-36
• 3.3.3 多維QoS約束的目標(biāo)函數(shù)36-38
• 3.4 本章小結(jié)38-39
• 4 云環(huán)境下基于QoS約束的改進(jìn)遺傳算法39-47
• 4.1 算法流程39-40
• 4.2 改進(jìn)遺傳算法設(shè)計(jì)40-45
• 4.2.1 編碼40-41
• 4.2.2 初始化種群41-42
• 4.2.3 適應(yīng)度函數(shù)42
• 4.2.4 自適應(yīng)遺傳操作42-45
• 4.3 參數(shù)說明與操作說明45-46
• 4.4 本章小結(jié)46-47
• 5 實(shí)驗(yàn)仿真及分析47-56
• 5.1 CloudSim仿真平臺介紹47-49
• 5.1.1 CloudSim概述47
• 5.1.2 CloudSim體系結(jié)構(gòu)47-48
• 5.1.3 CloudSim的核心類48-49
• 5.2 實(shí)驗(yàn)步驟49-50
• 5.2.1 環(huán)境配置49-50
• 5.2.2 仿真步驟50
• 5.3 實(shí)驗(yàn)結(jié)果及分析50-55
• 5.3.1 實(shí)驗(yàn)參數(shù)選取50-51
• 5.3.2 性能評估標(biāo)準(zhǔn)51-52
• 5.3.3 實(shí)驗(yàn)結(jié)果分析52-55
• 5.4 本章小結(jié)55-56
• 6 總結(jié)和展望56-57
• 參考文獻(xiàn)57-61
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果61-63
• 學(xué)位論文數(shù)據(jù)集63

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳瑞鏞,徐大紋;具有年齡結(jié)構(gòu)的遺傳算法[J];桂林電子工業(yè)學(xué)院學(xué)報(bào);2001年04期

2 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計(jì)[J];液壓氣動與密封;2001年02期

3 楊宜康,李雪,彭勤科,黃永宣;具有年齡結(jié)構(gòu)的遺傳算法[J];計(jì)算機(jī)工程與應(yīng)用;2002年11期

4 谷峰,吳勇,唐俊;遺傳算法的改進(jìn)[J];微機(jī)發(fā)展;2003年06期

5 ;遺傳算法[J];計(jì)算機(jī)教育;2004年10期

6 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年05期

7 劉坤,劉偉波,吳忠強(qiáng);基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報(bào);2005年04期

8 張英俐,劉弘 ,馬金剛;遺傳算法作曲系統(tǒng)研究[J];信息技術(shù)與信息化;2005年05期

9 丁發(fā)智;;淺談遺傳算法[J];烏魯木齊成人教育學(xué)院學(xué)報(bào);2005年04期

10 李冰潔;;遺傳算法及其應(yīng)用實(shí)例[J];吉林工程技術(shù)師范學(xué)院學(xué)報(bào);2005年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報(bào);2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

5 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

6 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

7 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

8 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

9 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

10 劉冀成;基于改進(jìn)遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號：1051313