本文關(guān)鍵詞：云環(huán)境下任務(wù)分配策略的研究

  更多相關(guān)文章： 匈牙利算法 負(fù)載均衡 云計(jì)算 蟻群算法 任務(wù)分配

【摘要】：云計(jì)算平臺以數(shù)據(jù)存儲及數(shù)據(jù)處理為主的計(jì)算和數(shù)據(jù)存儲處理兼顧的綜合平臺。選擇合適任務(wù)分配策略來提高云計(jì)算平臺整體性能,為云計(jì)算亟待解決的課題之一。本文設(shè)計(jì)了一種快速降階優(yōu)化算法的云計(jì)算任務(wù)分配模型,并針對云計(jì)算平臺下任務(wù)分配問題設(shè)計(jì)了推薦框架下的蟻群算法。本文詳細(xì)闡述了任務(wù)分配方案的具體實(shí)現(xiàn)步驟和思路及仿真方案,研究成果具有一定的學(xué)術(shù)研究價值和工程應(yīng)用價值。本文主要研究工作及成果如下:1.云計(jì)算平臺的相關(guān)概述。介紹了云計(jì)算的發(fā)展過程,并給出了幾個云計(jì)算主要的技術(shù)問題,介紹關(guān)鍵研究方法同時引入了負(fù)載均衡這個理念;并且分析總結(jié)了當(dāng)前主流的負(fù)載均衡實(shí)現(xiàn)方案。2.快速降階匈牙利算法的云計(jì)算任務(wù)分配模型的設(shè)計(jì)。匈牙利算法的求解過程中將成本矩陣或分配矩陣作行列縮減處理后,往往要進(jìn)行多次迭代,求解效率并不高。因此在標(biāo)準(zhǔn)匈牙利算法的基礎(chǔ)上,設(shè)計(jì)了一種快速降階優(yōu)化算法的云計(jì)算任務(wù)分配模型。算法不斷剔除已確定的部分分配方案及其對應(yīng)代價矩陣元素,逐次降低代價矩陣的階次,從而實(shí)現(xiàn)快速搜尋全局任務(wù)分配問題的最優(yōu)解。并可根據(jù)成本矩陣規(guī)模將矩陣分解成多個矩陣,使得本文算法在任務(wù)和計(jì)算機(jī)不對等的情況下同樣適用。3.推薦框架下蟻群算法的云計(jì)算任務(wù)分配模型的設(shè)計(jì)。本文設(shè)計(jì)了推薦框架下的蟻群算法,預(yù)判斷云計(jì)算任務(wù)需求,并推薦不同算子規(guī)則,使得資源池中資源能夠被充分利用,同時設(shè)計(jì)了不同的局部搜索策略,使得蟻群算法在迭代過程中能夠自適應(yīng)嵌入局部搜索策略。另外在螞蟻位置初始化和可行解構(gòu)造時分別設(shè)計(jì)了四種策略,兩個算子的不同策略進(jìn)行組合生成不同的算例。不同類型任務(wù)推薦不同算例。4.對上述算法分別建立模型并實(shí)驗(yàn)仿真。通過Matlab軟件對降階優(yōu)化算法與經(jīng)典的匈牙利算法的效率及負(fù)載均衡性進(jìn)行對比和分析,仿真結(jié)果表明改進(jìn)算法計(jì)算耗時遠(yuǎn)遠(yuǎn)小于匈牙利算法,并能有效提高計(jì)算機(jī)的利用率。帶有推薦機(jī)制的蟻群算法的實(shí)驗(yàn)仿真是基于Cloud Sim環(huán)境的,通過負(fù)載均衡性及TOPSIS評價得分對算法進(jìn)行驗(yàn)證,表明改進(jìn)的算法能有效提高計(jì)算機(jī)利用率和服務(wù)效果。
【關(guān)鍵詞】：匈牙利算法 負(fù)載均衡 云計(jì)算 蟻群算法 任務(wù)分配
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP302;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-14
• 1.1 背景及意義9-11
• 1.2 研究現(xiàn)狀及本文研究方向11-12
• 1.2.1 云計(jì)算任務(wù)分配策略的研究現(xiàn)狀11
• 1.2.2 本文的研究方向11-12
• 1.3 本文整體結(jié)構(gòu)12-14
• 第二章 云計(jì)算概況14-29
• 2.1 云計(jì)算介紹14-16
• 2.1.1 云計(jì)算的定義14-15
• 2.1.2 云計(jì)算的特征15-16
• 2.1.3 云計(jì)算的優(yōu)勢16
• 2.2 云計(jì)算的分類16-19
• 2.2.1 根據(jù)服務(wù)類型分類17-18
• 2.2.2 根據(jù)服務(wù)方式分類18-19
• 2.3 云計(jì)算的應(yīng)用19-20
• 2.3.1 云計(jì)算適用的場合19
• 2.3.2 云計(jì)算不適用的場合19-20
• 2.4 云計(jì)算的關(guān)鍵技術(shù)20-23
• 2.4.1 物理資源虛擬化20-21
• 2.4.2 數(shù)據(jù)存儲、管理技術(shù)21
• 2.4.3 SOA架構(gòu)21-22
• 2.4.4 編程的并行模型22
• 2.4.5 Agent代理技術(shù)22-23
• 2.5 云計(jì)算中的云任務(wù)分配23-27
• 2.5.1 標(biāo)準(zhǔn)云計(jì)算任務(wù)分配模型23-24
• 2.5.2 云環(huán)境下分配算法的目標(biāo)24
• 2.5.3 云計(jì)算任務(wù)分配特點(diǎn)24-25
• 2.5.4 傳統(tǒng)分配算法25-27
• 2.6 負(fù)載均衡策略27-28
• 2.7 本章小結(jié)28-29
• 第三章 快速降階匈牙利算法的云計(jì)算任務(wù)分配模型29-45
• 3.1 匈牙利算法介紹29-31
• 3.2 匈牙利算法的云計(jì)算模型31-34
• 3.3 不對稱的任務(wù)分配模型34-36
• 3.4 快速降價匈牙利算法的應(yīng)用36-41
• 3.5 實(shí)驗(yàn)仿真41-44
• 3.5.1 算法耗時比較41-43
• 3.5.2 算法負(fù)載率的比較43-44
• 3.6 本章小結(jié)44-45
• 第四章 推薦框架下蟻群算法的云計(jì)算任務(wù)分模型45-62
• 4.1 蟻群算法簡介45-46
• 4.2 基于云環(huán)境的標(biāo)準(zhǔn)蟻群算法模型46-48
• 4.2.1 相關(guān)變量的定義46-47
• 4.2.2 目標(biāo)的優(yōu)化47
• 4.2.3 約束條件47-48
• 4.3 算子推薦機(jī)制過程48-50
• 4.4 蟻群算法規(guī)則庫構(gòu)建50-51
• 4.4.1 螞蟻位置初始化50
• 4.4.2 構(gòu)造可行解50-51
• 4.4.3 TOPSIS評價方法51
• 4.5 局部搜索算子設(shè)計(jì)51-54
• 4.5.1 按列置換的領(lǐng)域搜索52-53
• 4.5.2 矩陣置換的領(lǐng)域搜索53-54
• 4.6 局部搜索算子的推薦策略54-55
• 4.7 實(shí)驗(yàn)與仿真55-61
• 4.7.1 不同類型算例規(guī)則的選擇56-59
• 4.7.2 對比標(biāo)準(zhǔn)蟻群算法59-60
• 4.7.3 局部搜索的應(yīng)用60-61
• 4.8 本章小結(jié)61-62
• 第五章 總結(jié)與展望62-64
• 5.1 研究總結(jié)62-63
• 5.2 課題展望63-64
• 參考 文獻(xiàn)64-66
• 致謝66-67
• 攻讀學(xué)位期間研究成果67-68

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 蘇淑霞;;面向云計(jì)算的任務(wù)調(diào)度算法研究[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

2 蘇淑霞;;粒子群算法在云計(jì)算任務(wù)調(diào)度中的應(yīng)用[J];南京師大學(xué)報(bào)(自然科學(xué)版);2014年04期

3 黃少榮;;云計(jì)算任務(wù)調(diào)度算法研究[J];沈陽師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年03期

，

本文編號：1064125