本文關(guān)鍵詞：基于改進(jìn)GEP和ANP的多目標(biāo)云任務(wù)調(diào)度算法，，由筆耕文化傳播整理發(fā)布。

【摘要】：云計(jì)算可以認(rèn)為是由一系列可伸縮的資源組成的資源池。云用戶可以通過虛擬化技術(shù)動(dòng)態(tài)的租用云中的資源。隨著云數(shù)據(jù)中心的規(guī)模不斷擴(kuò)大和云用戶數(shù)量的持續(xù)增加,如何更好的利用網(wǎng)絡(luò)將不同地理位置上的資源進(jìn)行整合,為云用戶提供更為優(yōu)質(zhì)的一體化應(yīng)用服務(wù)(即資源分配和任務(wù)調(diào)度問題),已經(jīng)成為云計(jì)算亟待解決的問題之一。因此云環(huán)境下任務(wù)調(diào)度和資源分配問題已成為本領(lǐng)域的研究熱點(diǎn)。本文的主要工作如下:(1)本文首先結(jié)合矩陣?yán)碚摻o出了云任務(wù)調(diào)度的數(shù)學(xué)描述,該數(shù)學(xué)描述主要包括了資源需求矩陣、資源提供矩陣、映射矩陣、聯(lián)系矩陣和遷移矩陣等。在彌補(bǔ)云任務(wù)調(diào)度算法數(shù)學(xué)模型不夠完善等不足的同時(shí),也為本文中的多目標(biāo)多任務(wù)調(diào)度算法提供了必要的理論基礎(chǔ)。(2)對云環(huán)境下的任務(wù)調(diào)度和資源分配問題進(jìn)行了分析。針對現(xiàn)有的云任務(wù)調(diào)度算法在優(yōu)化目標(biāo)和調(diào)度層次上相對單一的問題,本文將NSGA-II多目標(biāo)進(jìn)化算法引入到云任務(wù)調(diào)度領(lǐng)域,并給出了一種由全局監(jiān)控模塊、策略生成模塊、遷移策略模塊和放置模塊組成的動(dòng)態(tài)多目標(biāo)多層次云任務(wù)調(diào)度模型。(3)針對傳統(tǒng)多目標(biāo)進(jìn)化算法尋優(yōu)能力較弱,容易陷入局部最優(yōu)解的問題,本文將GEP算法的編碼方式和操作方式進(jìn)行改進(jìn),并將改進(jìn)后的GEP算法與NSGA-II算法相結(jié)合,設(shè)計(jì)了一種新的基于改進(jìn)GEP的NSGA-II多目標(biāo)優(yōu)化算法,提高了傳統(tǒng)的NSGA-II算法的尋優(yōu)效率。(4)針對帕累托最優(yōu)解組因可讀性較差而引起的進(jìn)一步篩選問題,本文將由NSGA-II多目標(biāo)算法得到的帕累托最優(yōu)解組帶入到ANP網(wǎng)絡(luò)層次分析模型中去,使用戶能夠根據(jù)自身的需要和偏好靈活地對調(diào)度方案進(jìn)行選擇。綜上所述,本文提出了一個(gè)動(dòng)態(tài)的多目標(biāo)多任務(wù)調(diào)度算法模型,完善了云任務(wù)調(diào)度算法的數(shù)學(xué)描述,將改進(jìn)的GEP算法引入到了多目標(biāo)優(yōu)化算法中去,結(jié)合ANP模型對帕累托最優(yōu)解組進(jìn)行篩選,并進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明所提算法有效。
【關(guān)鍵詞】：云計(jì)算 調(diào)度算法 多目標(biāo)優(yōu)化算法 GEP ANP
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.01
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 研究工作的背景和意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 國外研究現(xiàn)狀11-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-15
• 1.3 本文的主要工作15-16
• 1.4 本文的組織結(jié)構(gòu)16-18
• 第2章 相關(guān)研究基礎(chǔ)18-29
• 2.1 云任務(wù)調(diào)度概述18-22
• 2.1.1 云任務(wù)調(diào)度的相關(guān)概念18-19
• 2.1.2 云任務(wù)調(diào)度的關(guān)鍵技術(shù)19-21
• 2.1.3 云任務(wù)調(diào)度簡介21
• 2.1.4 云任務(wù)調(diào)度算法的分類21-22
• 2.2 云任務(wù)調(diào)度模型22-25
• 2.3 云任務(wù)調(diào)度中的優(yōu)化算法25-28
• 2.3.1 云任務(wù)調(diào)度中進(jìn)化算法的一般流程25-26
• 2.3.2 云任務(wù)調(diào)度中的單目標(biāo)進(jìn)化算法26-27
• 2.3.3 云任務(wù)調(diào)度中的多目標(biāo)進(jìn)化算法27-28
• 2.4 本章小結(jié)28-29
• 第3章 虛擬機(jī)放置策略的改進(jìn)及數(shù)學(xué)描述29-42
• 3.1 云任務(wù)調(diào)度的多層次模型29-31
• 3.2 虛擬機(jī)放置策略的改進(jìn)31-36
• 3.2.1 全局監(jiān)控模塊32
• 3.2.2 策略生成模塊32-33
• 3.2.3 遷移策略模塊33-35
• 3.2.4 放置模塊35-36
• 3.3 云任務(wù)調(diào)度問題的數(shù)學(xué)描述36-41
• 3.3.1 任務(wù)、虛擬機(jī)和物理機(jī)的數(shù)學(xué)描述36-38
• 3.3.2 映射矩陣38-39
• 3.3.3 聯(lián)系矩陣39-41
• 3.4 本章小結(jié)41-42
• 第4章 基于改進(jìn)GEP和ANP的多目標(biāo)云任務(wù)調(diào)度算法42-56
• 4.1 NSGA-II算法的適應(yīng)度函數(shù)及條件42-48
• 4.1.1 NSGA-II算法42-45
• 4.1.2 任務(wù)運(yùn)行時(shí)間的適應(yīng)度函數(shù)45-46
• 4.1.3 總能耗的適應(yīng)度函數(shù)46-47
• 4.1.4 綜合負(fù)載均衡度的適應(yīng)度函數(shù)47-48
• 4.1.5 云任務(wù)調(diào)度問題的多目標(biāo)優(yōu)化描述48
• 4.2 GEP算法的改進(jìn)48-52
• 4.2.1 GEP算法49-50
• 4.2.2 基因和染色體的改進(jìn)50
• 4.2.3 編碼和譯碼方式的改進(jìn)50-51
• 4.2.4 初始種群生成的改進(jìn)51-52
• 4.3 ANP模型在多目標(biāo)云任務(wù)調(diào)度中的應(yīng)用52-54
• 4.3.1 ANP模型53
• 4.3.2 ANP模型在多目標(biāo)云任務(wù)調(diào)度中的應(yīng)用53-54
• 4.4 基于改進(jìn)GEP和ANP的多目標(biāo)云任務(wù)調(diào)度算法的流程54-55
• 4.5 本章小結(jié)55-56
• 第5章 實(shí)驗(yàn)仿真和結(jié)果分析56-65
• 5.1 實(shí)驗(yàn)數(shù)據(jù)和實(shí)驗(yàn)方案56-57
• 5.2 改進(jìn)的GEP算法和普通的遺傳算法的對比實(shí)驗(yàn)57-58
• 5.3 基于改進(jìn)GEP算法的帕累托最優(yōu)解的分析58-62
• 5.4 基于ANP模型的選擇策略的比較、分析62-64
• 5.5 本章小結(jié)64-65
• 第6章 總結(jié)與展望65-66
• 6.1 文章總結(jié)65
• 6.2 下一步研究工作展望65-66
• 參考文獻(xiàn)66-72
• 致謝72-73
• 攻讀學(xué)位期間取得的科研成果73

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張利彪,周春光,馬銘,劉小華;基于粒子群算法求解多目標(biāo)優(yōu)化問題[J];計(jì)算機(jī)研究與發(fā)展;2004年07期

2 謝濤,陳火旺,康立山;多目標(biāo)優(yōu)化的演化算法[J];計(jì)算機(jī)學(xué)報(bào);2003年08期

3 鄭湃;崔立真;王海洋;徐猛;;云計(jì)算環(huán)境下面向數(shù)據(jù)密集型應(yīng)用的數(shù)據(jù)布局策略與方法[J];計(jì)算機(jī)學(xué)報(bào);2010年08期

4 林闖;李寅;萬劍雄;;計(jì)算機(jī)網(wǎng)絡(luò)服務(wù)質(zhì)量優(yōu)化方法研究綜述[J];計(jì)算機(jī)學(xué)報(bào);2011年01期

5 劉少偉;孔令梅;任開軍;宋君強(qiáng);鄧科峰;冷洪澤;;云環(huán)境下優(yōu)化科學(xué)工作流執(zhí)行性能的兩階段數(shù)據(jù)放置與任務(wù)調(diào)度策略[J];計(jì)算機(jī)學(xué)報(bào);2011年11期

6 李強(qiáng);郝沁汾;肖利民;李舟軍;;云計(jì)算中虛擬機(jī)放置的自適應(yīng)管理與多目標(biāo)優(yōu)化[J];計(jì)算機(jī)學(xué)報(bào);2011年12期

7 江雪;李小勇;;虛擬機(jī)動(dòng)態(tài)遷移的研究[J];計(jì)算機(jī)應(yīng)用;2008年09期

8 肖曉偉;肖迪;林錦國;肖玉峰;;多目標(biāo)優(yōu)化問題的研究概述[J];計(jì)算機(jī)應(yīng)用研究;2011年03期

9 朱宗斌;杜中軍;;基于改進(jìn)GA的云計(jì)算任務(wù)調(diào)度算法[J];計(jì)算機(jī)工程與應(yīng)用;2013年05期

10 曹潔;曾國蓀;鈕俊;許金超;;云環(huán)境下可用性感知的并行任務(wù)調(diào)度方法[J];計(jì)算機(jī)研究與發(fā)展;2013年07期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 彭安鑫;面向云計(jì)算的虛擬機(jī)動(dòng)態(tài)遷移研究[D];山東師范大學(xué);2012年

  本文關(guān)鍵詞：基于改進(jìn)GEP和ANP的多目標(biāo)云任務(wù)調(diào)度算法，由筆耕文化傳播整理發(fā)布。

本文編號：343193