本文關(guān)鍵詞：基于動態(tài)遺傳算法的云計算任務(wù)節(jié)能調(diào)度策略研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：云計算的飛速發(fā)展伴隨著許多大型數(shù)據(jù)中心的建立。海量的數(shù)據(jù)中心會消耗巨大的電力能源,增加云計算的操作成本,并導(dǎo)致二氧化碳的排放量升高,對全球氣候造成影響。隨著云計算規(guī)模的不斷的擴張,數(shù)據(jù)中心的能耗控制問題也日益突出。如何有效降低基礎(chǔ)設(shè)施能耗的問題具有重大的經(jīng)濟意義與環(huán)保意義。任務(wù)調(diào)度問題一直是云計算領(lǐng)域的一個研究熱點。任務(wù)調(diào)度策略是決定云任務(wù)執(zhí)行效率的關(guān)鍵所在,旨在高效合理的將計算資源分配給云任務(wù),從而最終達到一些特定的優(yōu)化目標,如:縮短任務(wù)的執(zhí)行時間或降低基礎(chǔ)設(shè)施能量消耗等。近年來,一些人工智能方法的運用引起了廣泛關(guān)注,其中,遺傳算法依靠其“全局尋優(yōu),快速收斂”的特征被高效的利用于求解任務(wù)調(diào)度問題。論文結(jié)合對云計算體系結(jié)構(gòu)的分析,從數(shù)據(jù)中心層面入手,構(gòu)建了一套能量感知的雙適應(yīng)度動態(tài)遺傳調(diào)度策略。該調(diào)度策略基于傳統(tǒng)的遺傳算法,設(shè)定了帶權(quán)重的雙優(yōu)化目標,分別是任務(wù)的執(zhí)行時間與基礎(chǔ)設(shè)施的能量消耗,通過調(diào)整優(yōu)化權(quán)重可以控制優(yōu)化重心。該調(diào)度策略還充分考慮云計算環(huán)境的動態(tài)特征,使用了改進的種群迭代方法來有效應(yīng)對云計算環(huán)境下發(fā)生的性能改變,使用改進的遺傳算子來保證云計算環(huán)境下任務(wù)調(diào)度策略的有效性,并提出再選擇策略來加快算法尋優(yōu)的收斂速度,從而可以在數(shù)據(jù)中心發(fā)生性能改變或處理規(guī)模較大的數(shù)據(jù)集時高效快速的做出反應(yīng)。論文論文最后使用Cloud Sim-3.0仿真工具構(gòu)造了多種云計算環(huán)境下的調(diào)度場景,并將本文提出的能量感知的雙適應(yīng)度動態(tài)遺傳調(diào)度策略與順序調(diào)度策略、貪心調(diào)度策略以及蟻群調(diào)度策略等比較著名的云計算調(diào)度模型進行了對比,分別驗證了本文提出的調(diào)度策略在優(yōu)化任務(wù)執(zhí)行時間方面的性能、優(yōu)化基礎(chǔ)設(shè)施能耗方面的性能、處理各種規(guī)模數(shù)據(jù)集時的可靠性以及不同優(yōu)化權(quán)重比例對優(yōu)化結(jié)果的影響。實驗結(jié)果證明:本文提出的能量感知的雙適應(yīng)度動態(tài)遺傳調(diào)度策略可以有效的應(yīng)對云計算環(huán)境下的性能改變,可以高效的處理各種規(guī)模的數(shù)據(jù)集,并且在減少任務(wù)執(zhí)行時間以及降低基礎(chǔ)設(shè)施能耗方面具有明顯優(yōu)勢。
【關(guān)鍵詞】：云計算 任務(wù)調(diào)度 能量感知 動態(tài)遺傳算法 雙適應(yīng)度 Cloud Sim
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP18;TP393.07
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-16
• 1.1 研究背景9-13
• 1.2 研究現(xiàn)狀13-14
• 1.3 主要研究內(nèi)容14-15
• 1.4 論文組織結(jié)構(gòu)15-16
• 第2章 云計算任務(wù)調(diào)度問題綜述16-23
• 2.1 云計算體系結(jié)構(gòu)16-18
• 2.2 云計算任務(wù)調(diào)度策略18-22
• 2.2.1 順序調(diào)度策略18-19
• 2.2.2 貪心調(diào)度策略19-20
• 2.2.3 蟻群調(diào)度策略20-22
• 2.3 本章小結(jié)22-23
• 第3章 能量感知的動態(tài)遺傳調(diào)度策略底層模型研究23-30
• 3.1 問題描述23
• 3.2 模型建立23-29
• 3.2.1 任務(wù)執(zhí)行時間模型23-26
• 3.2.2 基礎(chǔ)設(shè)施能耗模型26-28
• 3.2.3 云環(huán)境動態(tài)性能模型28-29
• 3.3 本章小結(jié)29-30
• 第4章 能量感知的動態(tài)遺傳調(diào)度策略上層算法研究30-44
• 4.1 問題描述30-31
• 4.2 能量感知的多適應(yīng)度動態(tài)遺傳算法31-43
• 4.2.1 染色體的編碼與解碼31-32
• 4.2.2 適應(yīng)度函數(shù)32-33
• 4.2.3 初始種群生成33-34
• 4.2.4 遺傳算子34-40
• 4.2.5 停止準則40
• 4.2.6 再選擇策略40
• 4.2.7 優(yōu)化代價函數(shù)40-41
• 4.2.8 算法總體流程41-43
• 4.3 本章小結(jié)43-44
• 第5章 基于Cloud Sim的調(diào)度場景設(shè)計與實現(xiàn)44-60
• 5.1 Cloud Sim體系結(jié)構(gòu)及類架構(gòu)44-48
• 5.2 功能模塊及相關(guān)組件48-55
• 5.2.1 工作負載模塊及實現(xiàn)49-50
• 5.2.2 能量消耗模塊及實現(xiàn)50-52
• 5.2.3 實體發(fā)現(xiàn)模塊及實現(xiàn)52-53
• 5.2.4 任務(wù)調(diào)度模塊及實現(xiàn)53-55
• 5.3 基于能量感知的動態(tài)遺傳調(diào)度場景類架構(gòu)55-58
• 5.4 本章小結(jié)58-60
• 第6章 實驗及結(jié)果分析60-73
• 6.1 基于Cloud Sim的模擬環(huán)境搭建60-61
• 6.1.1 Cloud Sim實驗環(huán)境搭建60
• 6.1.2 服務(wù)器環(huán)境搭建60-61
• 6.2 實驗驗證61-72
• 6.2.1 實驗方法61
• 6.2.2 實驗參數(shù)配置61-63
• 6.2.3 仿真流程63-65
• 6.2.4 實驗結(jié)果及分析65-72
• 6.3 本章小結(jié)72-73
• 結(jié)論73-74
• 參考文獻74-78
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文78-80
• 致謝80

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 張紀會,高齊圣,徐心和;自適應(yīng)蟻群算法[J];控制理論與應(yīng)用;2000年01期

  本文關(guān)鍵詞：基于動態(tài)遺傳算法的云計算任務(wù)節(jié)能調(diào)度策略研究，由筆耕文化傳播整理發(fā)布。

本文編號：300442