本文關(guān)鍵詞：移動云計算中任務(wù)卸載及虛擬機調(diào)度策略的研究　出處：《吉林大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 移動云計算 任務(wù)卸載 計算密集型任務(wù) 虛擬機調(diào)度 多目標粒子群優(yōu)化算法 參數(shù)自適應

【摘要】：移動云計算(Mobile Cloud Computing,MCC)是一種將移動計算、云計算、互聯(lián)網(wǎng)技術(shù)三大領(lǐng)域有機整合,旨在為移動設(shè)備提供存儲服務(wù)與計算服務(wù)的一種新型模式。MCC因其具有突破終端硬件限制,在計算能力、存儲功能、能量節(jié)約和上下文感知等方面為移動設(shè)備增效的優(yōu)勢,被認為是改善移動設(shè)備固有缺陷的一個理想解決方案。任務(wù)卸載是移動設(shè)備利用云計算降低自身負荷、提高用戶體驗的常用手段;云數(shù)據(jù)中心的虛擬機調(diào)度是實現(xiàn)資源合理分配的有效方式。因此,移動云計算中任務(wù)卸載及虛擬機調(diào)度策略的研究至關(guān)重要�，F(xiàn)有的移動云計算任務(wù)卸載策略研究主要集中在降低電池能量消耗,而針對縮短任務(wù)執(zhí)行時間的報道較少。移動設(shè)備計算處理能力的缺陷會導致其執(zhí)行任務(wù)的效率降低,耗費時間長,用戶體驗度不高。因此,設(shè)計一種最小化移動設(shè)備上全部任務(wù)執(zhí)行完成總時間的任務(wù)卸載策略對未來移動云計算的發(fā)展具有重要的理論意義。在云數(shù)據(jù)中心,虛擬機的放置方式關(guān)系著資源成本利用率、物理服務(wù)器負載均衡和服務(wù)器額外開銷等問題。因而,設(shè)計一種精準的虛擬機調(diào)度策略對云數(shù)據(jù)中心的計算資源合理分配具有重要的應用價值。針對移動云計算中的任務(wù)卸載問題,本文以任務(wù)圖表示移動設(shè)備上應用程序的執(zhí)行流程,提出了時間有效性任務(wù)卸載算法(Time-Efficient Task Offloading Algorithm,TETOA),旨在最小化移動設(shè)備上全部任務(wù)執(zhí)行完成總時間。該算法可以分為三個階段進行:(1)采用任務(wù)圖表示移動應用程序中各任務(wù)的執(zhí)行先后順序及數(shù)據(jù)傳輸關(guān)系;(2)對于常規(guī)形式任務(wù)圖,引入“時間增益”概念,以其作為衡量任務(wù)卸載前后時間有效性的標準,并采用動態(tài)規(guī)劃思想確定卸載隊列的范圍;(3)對于復合型任務(wù)圖,采用計算密集型任務(wù)優(yōu)先卸載思想對任務(wù)進行更為細致的卸載決策。仿真結(jié)果表明,TETOA算法在減小移動設(shè)備負荷、提高任務(wù)執(zhí)行效率和縮短任務(wù)完成時間等方面效果明顯。針對云數(shù)據(jù)中心虛擬機調(diào)度問題,本文提出了一種基于反饋信息的慣性權(quán)重與學習因子自適應多目標粒子群優(yōu)化算法(Multi-objective Particle Swarm Optimization algorithm with Adaptive Inertia weight and Acceleration coefficient based on Feedback information,MPSO-AIAF)。該算法主要從四方面對標準粒子群算法進行了改進:(1)引入反饋機制,使得粒子根據(jù)歷史反饋的適應度函數(shù)信息對速度進行自適應調(diào)整;(2)引入慣性權(quán)重自適應調(diào)整因子,增強算法平衡全局搜索與局部搜索的能力;(3)引入自適應學習選擇參數(shù),使粒子的自我學習與社會學習過程可控化;(4)引入比率分配調(diào)整系數(shù),為兩個優(yōu)化目標分配權(quán)重,以尋求優(yōu)化總目標最優(yōu)解。通過將MPSO-AIAF算法應用于資源分配場景,可以實現(xiàn)最小化遷移的虛擬機數(shù)量,同時滿足云數(shù)據(jù)中心物理服務(wù)器負載均衡的目標。仿真結(jié)果表明,MPSO-AIAF算法能夠快速精準地找到解決問題的最優(yōu)方案。本文的工作和研究成果為移動云計算任務(wù)卸載及虛擬機調(diào)度研究提供了參考。
[Abstract]:Mobile cloud computing ( MCC ) is an ideal solution to improve the efficiency of mobile devices . In this paper , a multi - objective Particle Swarm Optimization ( MPSO - AIAF ) algorithm is proposed based on the inertial weight and learning factor adaptive multi - objective particle swarm optimization algorithm based on feedback information . The algorithm is improved by : ( 1 ) introducing the feedback mechanism so that the particles are adaptively adjusted according to the fitness function information of the historical feedback ; ( 2 ) introducing the adaptive learning selection parameters to control the self - learning of the particles and the social learning process ; and ( 4 ) introducing the adaptive learning selection parameters to optimize the total target optimal solution .

【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP302;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 王立冬,張凱;Java虛擬機分析[J];北京理工大學學報;2002年01期

2 曹曉剛;;Java虛擬機的10年[J];程序員;2005年07期

3 宋韜;盤細平;羅元柯;倪國軍;;Java虛擬機在嵌入式DSP系統(tǒng)上的實現(xiàn)[J];計算機應用與軟件;2007年04期

4 劉黎波;;Java虛擬機攔截原理研究[J];科技風;2008年21期

5 劉治波;;Java虛擬機簡析[J];濟南職業(yè)學院學報;2008年01期

6 郝帥;;Java虛擬機中相關(guān)技術(shù)的探討[J];成功(教育);2008年08期

7 李霞;;系統(tǒng)虛擬機關(guān)鍵技術(shù)研究[J];微型電腦應用;2010年03期

8 鄭曉瓏;孔挺;;虛擬機的安全風險與管理[J];硅谷;2010年16期

9 李學昌;平淡;;為速度而戰(zhàn),虛擬機內(nèi)外兼修[J];電腦愛好者;2010年18期

10 王惠萍;張海龍;馮帆;王建華;;Java虛擬機使用及優(yōu)化[J];計算機與網(wǎng)絡(luò);2010年21期

相關(guān)會議論文 前10條

1 孟廣平;;虛擬機漂移網(wǎng)絡(luò)連接方法探討[A];中國計量協(xié)會冶金分會2011年會論文集[C];2011年

2 段翼真;王曉程;;可信安全虛擬機平臺的研究[A];第26次全國計算機安全學術(shù)交流會論文集[C];2011年

3 李明宇;張倩;呂品;;網(wǎng)絡(luò)流量感知的虛擬機高可用動態(tài)部署研究[A];2014第二屆中國指揮控制大會論文集（上）[C];2014年

4 林紅;;Java虛擬機面向數(shù)字媒體的應用研究[A];計算機技術(shù)與應用進展——全國第17屆計算機科學與技術(shù)應用（CACIS）學術(shù)會議論文集（上冊）[C];2006年

5 楊旭;彭一明;刑承杰;李若淼;;基于VMware vSphere 5虛擬機的備份系統(tǒng)實現(xiàn)[A];中國高等教育學會教育信息化分會第十二次學術(shù)年會論文集[C];2014年

6 沈敏虎;查德平;劉百祥;趙澤宇;;虛擬機網(wǎng)絡(luò)部署與管理研究[A];中國高等教育學會教育信息化分會第十次學術(shù)年會論文集[C];2010年

7 李英壯;廖培騰;孫夢;李先毅;;基于云計算的數(shù)據(jù)中心虛擬機管理平臺的設(shè)計[A];中國高等教育學會教育信息化分會第十次學術(shù)年會論文集[C];2010年

8 朱欣焰;蘇科華;毛繼國;龔健雅;;GIS符號虛擬機及實現(xiàn)方法研究[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

9 于洋;陳曉東;俞承芳;李旦;;基于FPGA平臺的虛擬機建模與仿真[A];2007'儀表，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

10 丁濤;郝沁汾;張冰;;內(nèi)核虛擬機調(diào)度策略的研究與分析[A];'2010系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 ;虛擬機的生與死[N];網(wǎng)絡(luò)世界;2008年

2 本報記者 卜娜;高性能Java虛擬機將在中國云市場釋能[N];中國計算機報;2012年

3 本報記者 邱燕娜;如何告別虛擬機管理煩惱[N];中國計算機報;2012年

4 ;首批通過云計算產(chǎn)品虛擬機管理測評名單[N];中國電子報;2014年

5 申琳;虛擬機泛濫 系統(tǒng)安全怎么辦[N];中國計算機報;2008年

6 Tom Henderson邋沈建苗 編譯;虛擬機管理的五大問題[N];計算機世界;2008年

7 盆盆;真實的虛擬機[N];中國電腦教育報;2004年

8 本版編輯　綜合 編譯整理 田夢;管理好虛擬機的全生命周期[N];計算機世界;2008年

9 李婷;中國研制出全球最快反病毒虛擬機[N];人民郵電;2009年

10 張弛;虛擬機遷移走向真正自由[N];網(wǎng)絡(luò)世界;2010年

相關(guān)博士學位論文 前10條

1 宋翔;多核虛擬環(huán)境的性能及可伸縮性研究[D];復旦大學;2014年

2 王桂平;云環(huán)境下面向可信的虛擬機異常檢測關(guān)鍵技術(shù)研究[D];重慶大學;2015年

3 周真;云平臺下運行環(huán)境感知的虛擬機異常檢測策略及算法研究[D];重慶大學;2015年

4 郭芬;面向虛擬機的云平臺資源部署與調(diào)度研究[D];華南理工大學;2015年

5 周傲;高可靠云服務(wù)供應關(guān)鍵技術(shù)研究[D];北京郵電大學;2015年

6 劉圣卓;面向虛擬集群的鏡像存儲與傳輸優(yōu)化[D];清華大學;2015年

7 彭成磊;云數(shù)據(jù)中心綠色節(jié)能需求的虛擬機負載均衡技術(shù)研究[D];南京大學;2016年

8 趙長名;IaaS云中基于資源感知的虛擬機資源管埋[D];電子科技大學;2016年

9 許小龍;支持綠色云計算的資源調(diào)度方法及關(guān)鍵技術(shù)研究[D];南京大學;2016年

10 衷宜;虛擬化系統(tǒng)中的軟件自愈相關(guān)技術(shù)研究[D];南京理工大學;2016年

相關(guān)碩士學位論文 前10條

1 潘飛;負載相關(guān)的虛擬機放置策略研究[D];杭州電子科技大學;2011年

2 王建一;混合型桌面云高可用性研究與實現(xiàn)[D];華南理工大學;2015年

3 周衡;云計算環(huán)境下虛擬機優(yōu)化調(diào)度策略研究[D];河北大學;2015年

4 羅仲皓;基于OpenStack的私有云計算平臺的設(shè)計與實現(xiàn)[D];華南理工大學;2015年

5 李子堂;面向負載均衡的虛擬機動態(tài)遷移優(yōu)化研究[D];遼寧大學;2015年

6 張煜;基于OpenStack的“實驗云”平臺的研究與開發(fā)[D];西南交通大學;2015年

7 曾文琦;面向應用服務(wù)的云規(guī)模虛似機性能監(jiān)控與負載分析技術(shù)研究[D];復旦大學;2013年

8 施繼成;面向多核處理器的虛擬機性能優(yōu)化[D];復旦大學;2014年

9 游井輝;基于虛擬機動態(tài)遷移的資源調(diào)度策略研究[D];華南理工大學;2015年

10 方良英;云平臺的資源優(yōu)化管理研究與實現(xiàn)[D];南京師范大學;2015年

，

本文編號：1433187