本文關(guān)鍵詞：基于多目標(biāo)優(yōu)化的云服務(wù)組合與調(diào)度研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著移動(dòng)互聯(lián)網(wǎng)的普及及其應(yīng)用的快速發(fā)展,傳統(tǒng)的單一功能的云服務(wù)已經(jīng)很難滿足復(fù)雜的應(yīng)用需求,所以能滿足多功能需求的云服務(wù)組合越來(lái)越受到關(guān)注。針對(duì)多種需求的云服務(wù)的管理不僅需要解決有限的云服務(wù)資源的使用需求,同時(shí)還要考慮優(yōu)化的調(diào)度策略以提高云服務(wù)請(qǐng)求執(zhí)行的效率。因此滿足多種需求的云服務(wù)組合與調(diào)度的多目標(biāo)優(yōu)化研究具有一定的理論意義和實(shí)際應(yīng)用價(jià)值。論文主要做了以下幾方面的研究:(1)對(duì)云服務(wù)的服務(wù)質(zhì)量屬性進(jìn)行了描述,并給出相應(yīng)的數(shù)學(xué)表達(dá)式,并在此基礎(chǔ)上提出了基于全局QoS評(píng)價(jià)與局部QoS評(píng)價(jià)相結(jié)合的最優(yōu)云服務(wù)組合的選擇模型。(2)建立了面向批量服務(wù)請(qǐng)求的云服務(wù)調(diào)度方法。描述了兩階段優(yōu)化的云服務(wù)組合與調(diào)度的體系結(jié)構(gòu)與流程,確定了多目標(biāo)優(yōu)化的約束規(guī)則。(3)在傳統(tǒng)的粒子群優(yōu)化算法的基礎(chǔ)上,引入了動(dòng)態(tài)因子,二階振蕩機(jī)制以及雜交策略三種改進(jìn)方式,提出了改進(jìn)的粒子群優(yōu)化算法(Modified Particle Swarms Optimization,MPSO),求解本文提出的多目標(biāo)優(yōu)化問(wèn)題。(4)最后,論文進(jìn)行了不同問(wèn)題規(guī)模下的云服務(wù)組合與調(diào)度的仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明相對(duì)于傳統(tǒng)方法,在本文提出的多目標(biāo)優(yōu)化問(wèn)題的情況下,基于MPSO的云服務(wù)組合與調(diào)度的方法能在一定程度上提高解的質(zhì)量,且算法運(yùn)算效率較高。同時(shí),本文針對(duì)云服務(wù)調(diào)度模型與算法做了實(shí)例仿真,證明了其具有一定的實(shí)際應(yīng)用價(jià)值。
【關(guān)鍵詞】：服務(wù)組合 改進(jìn)粒子群算法 多目標(biāo) 優(yōu)化調(diào)度
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.09
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-19
• 1.1 研究背景與意義10-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 最優(yōu)云服務(wù)組合選擇12-13
• 1.2.2 云計(jì)算平臺(tái)的調(diào)度體系與算法13-15
• 1.3 存在的問(wèn)題與擬解決方法15-16
• 1.4 本文的研究?jī)?nèi)容16-18
• 1.5 論文組織結(jié)構(gòu)18
• 1.6 本章小結(jié)18-19
• 第2章 相關(guān)研究與關(guān)鍵技術(shù)19-25
• 2.1 云計(jì)算與云服務(wù)的相關(guān)介紹19-20
• 2.1.1 云計(jì)算的發(fā)展與應(yīng)用19
• 2.1.2 云服務(wù)及其標(biāo)準(zhǔn)19-20
• 2.2 云服務(wù)組合與調(diào)度相關(guān)研究20-24
• 2.2.1 基于QoS的云服務(wù)組合研究20-23
• 2.2.2 云服務(wù)資源調(diào)度研究23-24
• 2.3 本章小結(jié)24-25
• 第3章 兩階段優(yōu)化的云服務(wù)組合與調(diào)度25-40
• 3.1 引言25
• 3.2 基于QoS的最優(yōu)云服務(wù)組合選擇25-33
• 3.2.1 云服務(wù)組合結(jié)構(gòu)體系與實(shí)現(xiàn)過(guò)程25-28
• 3.2.2 基于QoS的云服務(wù)評(píng)價(jià)機(jī)制28-32
• 3.2.3 全局QoS與局部QoS相結(jié)合的云服務(wù)組合模型32-33
• 3.3 面向批量服務(wù)請(qǐng)求的調(diào)度體系與模型33-37
• 3.3.1 調(diào)度體系33-34
• 3.3.2 調(diào)度模型34-37
• 3.4 基于兩階段的云服務(wù)組合與調(diào)度的優(yōu)化37-39
• 3.4.1 云服務(wù)組合與調(diào)度體系結(jié)構(gòu)與流程37-38
• 3.4.2 多目標(biāo)優(yōu)化38-39
• 3.5 本章小結(jié)39-40
• 第4章 基于改進(jìn)粒子群算法的云服務(wù)組合與調(diào)度40-50
• 4.1 引言40
• 4.2 基礎(chǔ)粒子群算法簡(jiǎn)介40-42
• 4.3 粒子群優(yōu)化算法的改進(jìn)42-45
• 4.4 應(yīng)用于兩階段優(yōu)化的改進(jìn)粒子群算法45-49
• 4.4.1 定義粒子的含義45-47
• 4.4.2 適應(yīng)度函數(shù)47-49
• 4.5 本章小結(jié)49-50
• 第5章 實(shí)驗(yàn)仿真及結(jié)果分析50-63
• 5.1 引言50
• 5.2 基于QoS的云服務(wù)組合問(wèn)題仿真50-54
• 5.3 面向批量服務(wù)請(qǐng)求的云服務(wù)調(diào)度仿真54-57
• 5.4 云服務(wù)調(diào)度實(shí)例仿真57-60
• 5.5 算法時(shí)間分析60-62
• 5.6 本章小結(jié)62-63
• 第6章 總結(jié)與展望63-65
• 6.1 總結(jié)63-64
• 6.2 下一步展望64-65
• 參考文獻(xiàn)65-70
• 致謝70-71
• 攻讀學(xué)位期間的科研項(xiàng)目和學(xué)術(shù)論文71

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 張春美;陳杰;辛斌;;武器目標(biāo)分配問(wèn)題的離散差分進(jìn)化算法[J];北京理工大學(xué)學(xué)報(bào);2014年03期

2 侯玲娟;周泓;;基于離散差分進(jìn)化算法的隨機(jī)車輛路徑問(wèn)題[J];工業(yè)工程;2014年03期

3 黃強(qiáng);張向利;;單傳感器無(wú)序量測(cè)反饋估計(jì)算法[J];桂林電子科技大學(xué)學(xué)報(bào);2014年06期

4 劉瑩;谷文祥;李向濤;;置換流水線車間調(diào)度問(wèn)題的研究[J];計(jì)算機(jī)科學(xué);2013年11期

5 姚嘉鑫;蔣超;;微分進(jìn)化算法整數(shù)編碼策略實(shí)現(xiàn)研究[J];計(jì)算機(jī)與數(shù)字工程;2014年08期

6 宋曉宇;朱加園;孫煥良;;一種求解帶時(shí)間窗車輛路徑問(wèn)題的混合差分進(jìn)化算法[J];計(jì)算機(jī)科學(xué);2014年12期

7 楊鋒英;劉會(huì)超;;基于DE算法求解AGV作業(yè)調(diào)度問(wèn)題研究[J];太原理工大學(xué)學(xué)報(bào);2014年04期

8 汪慎文;丁立新;張文生;郭肇祿;謝承旺;;差分進(jìn)化算法研究進(jìn)展[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2014年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 劉瑩;智能規(guī)劃與規(guī)劃識(shí)別中若干重要問(wèn)題的研究[D];東北師范大學(xué);2013年

2 趙宏濤;基于替代圖理論的列車運(yùn)行計(jì)劃優(yōu)化編制及評(píng)價(jià)方法研究[D];中國(guó)鐵道科學(xué)研究院;2014年

3 吳沛鋒;智能優(yōu)化算法及其應(yīng)用[D];東北大學(xué);2012年

4 鄒德旋;啟發(fā)式算法及其在工程優(yōu)化中的應(yīng)用[D];東北大學(xué);2011年

5 張新貴;航天測(cè)控通信系統(tǒng)任務(wù)可靠性分配模型與算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張弛;基于改進(jìn)差分進(jìn)化算法的模糊Petri網(wǎng)參數(shù)優(yōu)化策略的研究[D];長(zhǎng)沙理工大學(xué);2013年

2 張志華;基于混合遞階差分進(jìn)化算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用[D];華南理工大學(xué);2013年

3 杜浦澤;基于差分進(jìn)化算法和量子進(jìn)化算法的三類優(yōu)化調(diào)度問(wèn)題求解[D];昆明理工大學(xué);2013年

4 周華兵;基于混合差分進(jìn)化算法的復(fù)雜零等待流水線調(diào)度問(wèn)題和作業(yè)車間調(diào)度問(wèn)題的求解[D];昆明理工大學(xué);2013年

5 魏凱;改進(jìn)遺傳算法在軟時(shí)間窗車輛路徑問(wèn)題中的應(yīng)用[D];安徽工業(yè)大學(xué);2013年

6 郭麗萍;螢火蟲(chóng)算法在阻塞流水線調(diào)度問(wèn)題中的應(yīng)用研究[D];東北師范大學(xué);2013年

7 張立萍;面向節(jié)能的流水車間調(diào)度建模與優(yōu)化[D];浙江工業(yè)大學(xué);2013年

8 頓彩霞;基于差分進(jìn)化算法的隨機(jī)需求聯(lián)合補(bǔ)貨與配送調(diào)度模型研究[D];華中科技大學(xué);2012年

9 孟彥軍;不確定條件下單機(jī)批調(diào)度優(yōu)化算法研究[D];中國(guó)礦業(yè)大學(xué);2014年

10 馮達(dá);兩種啟發(fā)式優(yōu)化算法的研究及其應(yīng)用[D];東北大學(xué);2011年

  本文關(guān)鍵詞：基于多目標(biāo)優(yōu)化的云服務(wù)組合與調(diào)度研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：477377