本文關(guān)鍵詞：基于群智能優(yōu)化算法的云計(jì)算任務(wù)調(diào)度策略研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著IT行業(yè)的快速發(fā)展,信息科學(xué)技術(shù)已經(jīng)進(jìn)入大數(shù)據(jù)、數(shù)據(jù)挖掘、云計(jì)算的新時(shí)代。云計(jì)算是一種新型的以用戶服務(wù)為中心的商業(yè)計(jì)算模式,運(yùn)用虛擬化技術(shù)將分布于不同地理位置、不同功能的計(jì)算節(jié)點(diǎn)資源虛擬成龐大的虛擬資源池供用戶使用。由于云計(jì)算涉及到虛擬化技術(shù)、并行運(yùn)算、高效的數(shù)據(jù)通信和存儲(chǔ),且自身的狀態(tài)也處于不斷的變化中,因此,云計(jì)算任務(wù)調(diào)度策略已是實(shí)現(xiàn)云計(jì)算的關(guān)鍵所在。然而,目前的云任務(wù)調(diào)度算法只關(guān)注如何縮短任務(wù)的完工時(shí)間而忽略用戶對(duì)實(shí)際服務(wù)質(zhì)量(Quality of Service,QoS)的需求；只注重云任務(wù)的調(diào)度效率,而忽視云服務(wù)的資源利用率和經(jīng)濟(jì)效益。因此,針對(duì)現(xiàn)有云任務(wù)調(diào)度算法的不足開(kāi)展調(diào)度策略研究對(duì)于提高云計(jì)算服務(wù)能力、拓寬云計(jì)算應(yīng)用范圍具有極其重要的意義。本論文基于群智能優(yōu)化算法,就云計(jì)算的用戶QoS目標(biāo)約束負(fù)載均衡問(wèn)題和云計(jì)算的任務(wù)執(zhí)行成本預(yù)算問(wèn)題做了以下幾個(gè)方面的工作：(1)通過(guò)分析可信度應(yīng)用于云計(jì)算任務(wù)調(diào)度策略,將可信度引入蟻群算法,并將虛擬機(jī)可信度引入螞蟻的轉(zhuǎn)移概率公式中,最終給出了基于可信度蟻群優(yōu)化算法的云計(jì)算任務(wù)調(diào)度策略。(2)鑒于云計(jì)算任務(wù)調(diào)度需滿足用戶服務(wù)質(zhì)量(Quality of Service,QoS)和負(fù)載均衡要求,本文設(shè)計(jì)了一種面向獨(dú)立任務(wù)并考慮時(shí)間及負(fù)載均衡的可信度蟻群算法來(lái)云計(jì)算任務(wù)調(diào)度策略。從云計(jì)算所服務(wù)的用戶角度考慮,用戶關(guān)注的是服務(wù)結(jié)果與執(zhí)行成本,因此本論文又給出了面向工作流任務(wù)并考慮任務(wù)執(zhí)行成本的改進(jìn)粒子群優(yōu)化算法云計(jì)算任務(wù)調(diào)度策略。(3)應(yīng)用CloudSim仿真環(huán)境進(jìn)行了任務(wù)調(diào)度策略仿真實(shí)驗(yàn)。結(jié)果表明,基于CTLBACO的任務(wù)調(diào)度策略不僅提高了云計(jì)算任務(wù)的執(zhí)行效率,且使系統(tǒng)負(fù)載相對(duì)均衡,提高了資源利用率�；诟倪M(jìn)粒子群算法的云計(jì)算任務(wù)調(diào)度策略在縮短任務(wù)執(zhí)行完工時(shí)間和降低任務(wù)執(zhí)行成本方面擁有較大的優(yōu)勢(shì)。
【關(guān)鍵詞】：云任務(wù)調(diào)度 可信度 負(fù)載均衡 執(zhí)行成本 群智能優(yōu)化算法
【學(xué)位授予單位】：陜西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP393.09;TP18
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 緒論8-16
• 1.1 研究背景及選題意義8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-14
• 1.2.1 云計(jì)算的特點(diǎn)9-12
• 1.2.2 云計(jì)算的體系結(jié)構(gòu)12-14
• 1.3 論文主要工作14-15
• 1.4 論文組織結(jié)構(gòu)15-16
• 第2章 云計(jì)算及其任務(wù)調(diào)度相關(guān)研究16-24
• 2.1 云環(huán)境下任務(wù)調(diào)度概述16-18
• 2.2 云環(huán)境下任務(wù)調(diào)度特點(diǎn)與目標(biāo)18-20
• 2.3 云環(huán)境下任務(wù)調(diào)度算法20-22
• 2.3.1 以性能為中心云任務(wù)調(diào)度20-21
• 2.3.2 以經(jīng)濟(jì)效益為中心任務(wù)調(diào)度21
• 2.3.3 以服務(wù)質(zhì)量為中心任務(wù)調(diào)度21-22
• 2.4 本章小結(jié)22-24
• 第3章 考慮可信度與負(fù)載均衡的任務(wù)調(diào)度24-32
• 3.1 相關(guān)知識(shí)介紹24-26
• 3.1.1 蟻群優(yōu)化算法24-25
• 3.1.2 可信度25-26
• 3.2 相關(guān)約束及定義26-29
• 3.2.1 可信度的定義與更新26-27
• 3.2.2 負(fù)載均衡因子的定義27-28
• 3.2.3 負(fù)載均衡程度評(píng)價(jià)函數(shù)28-29
• 3.3 基于CTLBACO的云任務(wù)調(diào)度算法設(shè)計(jì)29-31
• 3.4 本章小結(jié)31-32
• 第4章 考慮任務(wù)執(zhí)行時(shí)間與成本的工作流任務(wù)調(diào)度32-42
• 4.1 相關(guān)知識(shí)介紹32-33
• 4.1.1 遺傳算法32
• 4.1.2 粒子群優(yōu)化算法32-33
• 4.2 相關(guān)約束及定義33-35
• 4.2.1 工作流調(diào)度的數(shù)學(xué)模型33-34
• 4.2.2 工作流調(diào)度的適應(yīng)度函數(shù)34-35
• 4.3 基于改進(jìn)粒子群算法的云任務(wù)調(diào)度策略35-41
• 4.4 本章小結(jié)41-42
• 第5章 仿真與實(shí)驗(yàn)42-52
• 5.1 CloudSim介紹42-44
• 5.2 CloudSim的工作方式44-45
• 5.3 仿真實(shí)驗(yàn)與結(jié)果分析45-50
• 5.4 本章小結(jié)50-52
• 第6章 結(jié)論與展望52-54
• 6.1 工作總結(jié)52-53
• 6.2 展望53-54
• 參考文獻(xiàn)54-58
• 致謝58-60
• 攻讀學(xué)位期間的研究成果60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 林青;;云計(jì)算創(chuàng)領(lǐng)智慧安防應(yīng)用新浪潮[J];中國(guó)公共安全(綜合版);2012年19期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王宇嘉;多目標(biāo)粒子群優(yōu)化算法的全局搜索策略研究[D];上海交通大學(xué);2008年

2 鄧見(jiàn)光;云計(jì)算任務(wù)調(diào)度策略研究[D];華南理工大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 譚峰;云計(jì)算可靠性評(píng)估與任務(wù)調(diào)度方法研究[D];電子科技大學(xué);2012年

2 吳皓;云環(huán)境下任務(wù)調(diào)度算法研究[D];南京郵電大學(xué);2013年

3 譚乾;云計(jì)算環(huán)境下負(fù)載均衡策略的研究[D];廈門(mén)大學(xué);2014年

4 馬睿;云計(jì)算中任務(wù)調(diào)度算法的優(yōu)化與研究[D];蘭州理工大學(xué);2014年

  本文關(guān)鍵詞：基于群智能優(yōu)化算法的云計(jì)算任務(wù)調(diào)度策略研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：360304