發(fā)布時間：2018-05-28 12:46

  本文選題：云計算 + 協(xié)同演化�。� 參考：《電子科技大學(xué)》2014年碩士論文

【摘要】：云計算作為使用超大規(guī)模的虛擬化資源為用戶提供動態(tài)服務(wù)的方式,受到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注和研究。云計算平臺將各種資源整合到一個虛擬資源池中,云計算的用戶按照他們不同的需求從資源池中獲得不同的計算資源、存儲資源以及軟件服務(wù)。如何對于資源池各種資源進(jìn)行調(diào)度、管理以及其調(diào)度效率的優(yōu)劣直接影響整個云計算平臺的工作性能和表現(xiàn),并且云計算為各種用戶提供服務(wù),而這些用戶期望達(dá)到的目標(biāo)也不盡相同,就導(dǎo)致了云計算平臺的資源調(diào)度算法的不同。本文對云計算的架構(gòu)、商業(yè)模型進(jìn)行了闡述,并對云計算的調(diào)度算法的研究現(xiàn)狀進(jìn)行了全面分析,針對現(xiàn)有調(diào)度算法中存在的一些不足,主要進(jìn)行了以下幾個方面的研究工作:(1)提出了一種改進(jìn)的合作型的協(xié)同演化算法用于解決云計算環(huán)境下的多目標(biāo)調(diào)度問題。用戶使用云計算平臺執(zhí)行任務(wù)時,需要租借云計算平臺中虛擬機資源,產(chǎn)生執(zhí)行成本,而用戶又希望任務(wù)能夠盡快的執(zhí)行完成,但是執(zhí)行成本和完成時間又是相互沖突的兩個目標(biāo),只能取得這兩個目標(biāo)的均衡結(jié)果。在已有的云計算研究中,通常利用加權(quán)方法把二者轉(zhuǎn)換成為單目標(biāo)進(jìn)行調(diào)度的研究,每一次只能為用戶提供一種調(diào)度方案,并且很多研究都忽略任務(wù)之間的依賴關(guān)系。因此,本文對具有時序約束關(guān)系的任務(wù)調(diào)度進(jìn)行建模,并針對成本和完成時間的多目標(biāo)問題,提出了具有以田口方法為基礎(chǔ)進(jìn)行個體的定向變異的微觀操作以及多種群和外部最優(yōu)解種群之間的合作進(jìn)行全局空間搜索的宏觀操作的改進(jìn)的合作型的協(xié)同演化調(diào)度算法。(2)在以往的云計算調(diào)度算法的研究中,通常把任務(wù)之間的數(shù)據(jù)傳輸?shù)乃斐傻挠绊戇M(jìn)行忽略,但是數(shù)據(jù)傳輸和數(shù)據(jù)的本地性對數(shù)據(jù)密集型的任務(wù)有很大的影響,尤其是對于科學(xué)工作流調(diào)度具有更大的影響。因此,本文對數(shù)據(jù)傳輸和數(shù)據(jù)本地性的重要性進(jìn)行了說明,并針對數(shù)據(jù)密集型的任務(wù)構(gòu)成的科學(xué)工作流的調(diào)度問題,考慮到科學(xué)工作流的用戶更加關(guān)心的是完成時間,提出了以最小化完成時間為目標(biāo),結(jié)合了免疫算法和協(xié)同演化算法的優(yōu)勢的競爭型協(xié)同免疫算法用于解決科學(xué)工作流的調(diào)度問題。(3)利用Cloud Sim搭建云計算仿真平臺,對本文提出的兩種調(diào)度模型和對應(yīng)的算法進(jìn)行實驗,試驗結(jié)果驗證了本文提出的兩種調(diào)度算法的有效性。
[Abstract]:Cloud computing, as a way to provide dynamic services to users using large scale virtualization resources, has received extensive attention and research from academia and industry. Cloud computing platform integrates all kinds of resources into a virtual resource pool. Cloud computing users obtain different computing resources, storage resources and software services from the resource pool according to their different needs. How to schedule, manage and schedule all kinds of resources directly affects the performance and performance of the whole cloud computing platform, and cloud computing provides services for all kinds of users. These users expect to achieve different goals, which leads to different resource scheduling algorithms of cloud computing platform. In this paper, the architecture and business model of cloud computing are described, and the research status of cloud computing scheduling algorithm is comprehensively analyzed. In this paper, we propose an improved cooperative co-evolution algorithm to solve the multi-objective scheduling problem in cloud computing environment. When users use cloud computing platform to execute tasks, they need to rent virtual machine resources in cloud computing platform to generate execution cost, and users hope that tasks can be completed as soon as possible. However, execution cost and completion time are two conflicting objectives, which can only achieve balanced results. In the existing cloud computing research, the weighted method is usually used to convert them into single-objective scheduling research. Each time, only one scheduling scheme can be provided for users, and many researches ignore the dependencies between tasks. Therefore, this paper models the task scheduling with temporal constraints, and aims at the multi-objective problem of cost and completion time. In this paper, an improved cooperative co-evolution with micro-operations based on Taguchi method for individual directional variation and cooperation between multiple groups and external optimal solution populations for global spatial search is proposed. In the past research of cloud computing scheduling algorithm, The impact of data transmission between tasks is usually ignored, but data transmission and data nativeness have great influence on data-intensive tasks, especially on scientific workflow scheduling. Therefore, this paper explains the importance of data transmission and data nativiality, and considers that the users of scientific workflow are more concerned with the completion time in view of the scheduling problem of scientific workflow constituted by data-intensive tasks. A competitive cooperative immune algorithm, aiming at minimizing the completion time and combining the advantages of immune algorithm and co-evolution algorithm, is proposed to solve the scheduling problem of scientific workflow. It uses Cloud Sim to build a cloud computing simulation platform. Two scheduling models and corresponding algorithms proposed in this paper are tested and the experimental results verify the effectiveness of the two scheduling algorithms proposed in this paper.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP393.01

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林永毅,張智江,廖黛麗,倪凌;電信傳輸資源及調(diào)度一體化管理的研究與實現(xiàn)[J];電信科學(xué);2002年10期

2 吉軍;蔚承建;陳勝峰;陳旭;;分散式多工廠資源調(diào)度中的一種理性策略[J];計算機應(yīng)用;2010年11期

3 董紅蕓;高志棟;王登科;;基于蟻群算法的云計算資源調(diào)度研究[J];中國西部科技;2013年04期

4 儲雅;馬廷淮;趙立成;;云計算資源調(diào)度:策略與算法[J];計算機科學(xué);2013年11期

5 劉亞軍,王行愚;虛擬企業(yè)資源調(diào)度的灰色機會約束規(guī)劃[J];計算機工程與應(yīng)用;2002年15期

6 蔣偉進(jìn);王璞;;基于MAS市場機制的動態(tài)計算資源調(diào)度模型研究[J];計算機研究與發(fā)展;2007年01期

7 趙惠良;劉建平;劉向東;;城市交通非常規(guī)突發(fā)事件的應(yīng)急資源調(diào)度最優(yōu)路徑研究[J];北京理工大學(xué)學(xué)報(社會科學(xué)版);2010年06期

8 譚志;張振江;劉云;;基于資源調(diào)度的遠(yuǎn)程在線實驗室設(shè)計[J];電氣電子教學(xué)學(xué)報;2011年01期

9 陸建偉;;云計算網(wǎng)絡(luò)資源調(diào)度難點分析及解決方案[J];科技信息;2011年15期

10 傅長冬,王勇;語音資源調(diào)度系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機系統(tǒng)應(yīng)用;1997年09期

相關(guān)會議論文 前3條

1 王兵;賈利民;龍慧;郭杜杜;馬玉春;;新疆公路網(wǎng)交通事故應(yīng)急救援資源調(diào)度系統(tǒng)設(shè)計及應(yīng)用[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通應(yīng)用[C];2012年

2 曹東旭;劉明陽;;基于馬爾科夫決策鏈的作戰(zhàn)資源調(diào)度[A];2014第二屆中國指揮控制大會論文集（上）[C];2014年

3 叢慧芳;王文生;謝能付;;農(nóng)業(yè)信息網(wǎng)格環(huán)境中數(shù)據(jù)傳輸資源調(diào)度方法研究[A];中國農(nóng)業(yè)信息科技創(chuàng)新與學(xué)科發(fā)展大會論文匯編[C];2007年

相關(guān)重要報紙文章 前1條

1 本報記者 吳挺;云計算的管理需求顯現(xiàn)[N];計算機世界;2009年

相關(guān)碩士學(xué)位論文 前10條

1 周玉琴;多應(yīng)急點的資源調(diào)度研究[D];合肥工業(yè)大學(xué);2012年

2 萬靜靜;非常規(guī)突發(fā)事件應(yīng)急資源調(diào)度系統(tǒng)構(gòu)建研究[D];武漢理工大學(xué);2013年

3 何明倫;基于數(shù)字有機體的資源調(diào)度系統(tǒng)[D];電子科技大學(xué);2007年

4 王U，

本文編號：1946746