本文選題：云計算 + 微數(shù)據(jù)中心�。� 參考：《大連海事大學(xué)》2015年碩士論文

【摘要】：為了實現(xiàn)云計算服務(wù)的易擴展,移動性強、部署簡單,服務(wù)本地化和成本低等特性,一種新型的分布式微數(shù)據(jù)中心(Micro Data Centers, MicroDCs)與下一代無源光網(wǎng)絡(luò)(Next-Generation Passive Optical Network, NGPON)的融合網(wǎng)架構(gòu)。與傳統(tǒng)的大型數(shù)據(jù)中心(Mag-DC)相比,這種融合網(wǎng)架構(gòu)具有更高的經(jīng)濟效益,更低的傳輸延遲,更少的能源消耗和更高的擴展性。在本文中,我們主要研究的是MicroDC-NGPON融合網(wǎng)的部署規(guī)劃和優(yōu)化(Infrastructure Deployment and Optimization, IDO)問題。以最小化整個MicroDC-NGPON融合網(wǎng)部署花費為目標(biāo),不僅能夠計算出MicroDC-NGPON網(wǎng)元設(shè)備的數(shù)目,還可以確定MicroDC-NGPON網(wǎng)元設(shè)備的最佳位置,旨在為完成了“最后一公里云服務(wù)”MicroDC-NGPON網(wǎng)絡(luò)的部署規(guī)劃提供方案。我們對IDO問題進(jìn)行數(shù)學(xué)建模,并用Gurobi求解這個模型,求解結(jié)果表明我們提出的IDO問題是可解的。雖然通過Gurobi能夠得到最優(yōu)的部署結(jié)果,但是隨著網(wǎng)絡(luò)規(guī)模不斷擴大,Gurobi求解問題的時間會成指數(shù)級增長。針對復(fù)雜度過高的問題我們提出新型啟發(fā)式算法對IDO問題進(jìn)行求解,旨在針對大規(guī)模網(wǎng)絡(luò)部署規(guī)劃優(yōu)化時,能夠快速獲得近似最優(yōu)解,提高模型優(yōu)化求解效率。在仿真試驗中,我們針對不同規(guī)模的網(wǎng)絡(luò)進(jìn)行部署從而驗證網(wǎng)絡(luò)模型的有效性,通過比較兩種求解方法,可得出新型啟發(fā)式算法能較快得到近似最優(yōu)求解結(jié)果,對于大規(guī)模網(wǎng)絡(luò)部署場景尤為適合。
[Abstract]:In order to realize the characteristics of cloud computing services such as easy expansibility, strong mobility, simple deployment, localization and low cost, a new distributed micro Data centers (microDCs) and Next-Generation Passive Optical Network (NGPON) are proposed. Compared with the traditional large data center (Mag-DC), this converged network architecture has higher economic efficiency, lower transmission delay, less energy consumption and higher scalability. In this paper, we mainly study the deployment planning of MicroDC-NGPON fusion network and the optimization of infrastructure Deployment and optimization (ido). Aiming at minimizing the deployment cost of the entire MicroDC-NGPON fusion network, not only can the number of MicroDC-NGPON network element devices be calculated, but also the best location of the MicroDC-NGPON network element devices can be determined. It is designed to provide a solution for the deployment planning of the Last kilometer Cloud Service (LKS) MicroDC-NGPON network. We model the IDO problem and use Gurobi to solve the model. The results show that the proposed IDO problem is solvable. Although the optimal deployment result can be obtained through Gurobi, the time of solving the problem will increase exponentially with the increasing of network size. A new heuristic algorithm is proposed to solve the IDO problem for the problem of high complexity, which aims at obtaining the approximate optimal solution quickly and improving the efficiency of the model optimization when the large-scale network deployment planning is optimized. In the simulation experiment, we deploy the network with different sizes to verify the effectiveness of the network model. By comparing the two methods, we can get the approximate optimal solution result quickly by the new heuristic algorithm. For large-scale network deployment scenarios are particularly suitable.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN929.1;TP308

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄒龍;利用阿德蘭啟發(fā)式算法進(jìn)行郵政選址[J];通信企業(yè)管理;2003年03期

2 李克文,吳孟達(dá),張雄明;約簡的一種啟發(fā)式算法[J];計算機工程與科學(xué);2004年01期

3 宋萬忠;;一種改進(jìn)的多機場地面等待啟發(fā)式算法[J];計算機應(yīng)用;2007年S1期

4 周旭東;王麗愛;陳];;啟發(fā)式算法求解最大團問題研究[J];計算機工程與設(shè)計;2007年18期

5 徐亞;陳秋雙;龍磊;楊立志;劉麗蕓;;集裝箱倒箱問題的啟發(fā)式算法研究[J];系統(tǒng)仿真學(xué)報;2008年14期

6 熊盛武;丁威;;基于啟發(fā)式算法的時間延伸網(wǎng)絡(luò)研究與應(yīng)用[J];武漢理工大學(xué)學(xué)報(信息與管理工程版);2009年06期

7 鐘琪;;基于啟發(fā)式算法的任務(wù)分解策略[J];煤炭技術(shù);2010年12期

8 李亞志;朱夏;;基于插入-分段的無等待流水作業(yè)調(diào)度復(fù)合啟發(fā)式算法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2013年03期

9 鄭惠莉;劉陳;;一維邏輯陳列柵安置的啟發(fā)式算法[J];華東冶金學(xué)院學(xué)報;1990年03期

10 唐立新;祁慧;楊自厚;王夢光;;基于P-中位模型的聚類分析的拉格朗日啟發(fā)式算法[J];模式識別與人工智能;1997年01期

相關(guān)會議論文 前10條

1 羅守成;唐國春;;二維集裝箱問題的一個啟發(fā)式算法[A];2001年全國數(shù)學(xué)規(guī)劃及運籌研討會論文集[C];2001年

2 劉青松;孔云峰;黨蘭學(xué);王震;;元啟發(fā)式算法在校車路徑規(guī)劃中的應(yīng)用[A];第七屆全國地理學(xué)研究生學(xué)術(shù)年會論文摘要集[C];2012年

3 劉嘉敏;馬廣煜;黃有群;;基于組合的三維集裝箱裝入啟發(fā)式算法的研究[A];全國第13屆計算機輔助設(shè)計與圖形學(xué)（CAD/CG）學(xué)術(shù)會議論文集[C];2004年

4 何正文;徐渝;;多模式項目支付進(jìn)度問題的優(yōu)化模型及啟發(fā)式算法[A];中國運籌學(xué)會第七屆學(xué)術(shù)交流會論文集（上卷）[C];2004年

5 趙文丹;汪定偉;郭小萍;王貴成;;網(wǎng)絡(luò)廣告資源優(yōu)化問題研究[A];第二十九屆中國控制會議論文集[C];2010年

6 楊士準(zhǔn);謝政;陳摯;熊李軍;;k約束QoS問題的啟發(fā)式算法[A];中國通信學(xué)會第六屆學(xué)術(shù)年會論文集（下）[C];2009年

7 劉金朋;魏長江;;啟發(fā)式算法求最短路徑的一種高效率實現(xiàn)方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

8 范敏;鄒平;朱興東;;一種啟發(fā)式離散化算法及其Delphi實現(xiàn)[A];第二屆中國智能計算大會論文集[C];2008年

9 王文瀚;杜斌;朱俊;賈樹晉;;集成MILP與啟發(fā)式的混合算法求解板坯設(shè)計問題[A];中國計量協(xié)會冶金分會2012年會暨能源計量與節(jié)能降耗經(jīng)驗交流會論文集[C];2012年

10 馮德鴻;唐加福;郭琦;李輝;;訂貨批量問題改進(jìn)的相關(guān)策略啟發(fā)式算法與仿真分析[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前8條

1 賴向京;原子團簇結(jié)構(gòu)預(yù)測的現(xiàn)實途徑—高性能啟發(fā)式算法[D];華中科技大學(xué);2012年

2 黎展滔;具有成組約束的柔性流水車間作業(yè)計劃制定的啟發(fā)式算法[D];廣東工業(yè)大學(xué);2012年

3 曹斌;生物啟發(fā)式智能計算及其應(yīng)用的研究[D];吉林大學(xué);2012年

4 董興業(yè);啟發(fā)式算法及其在同順序流水作業(yè)問題中的應(yīng)用[D];北京交通大學(xué);2008年

5 古繼興;KOD多播技術(shù)與Steiner樹啟發(fā)式算法[D];上海交通大學(xué);2007年

6 胡大偉;設(shè)施定位和車輛路線問題模型及其啟發(fā)式算法研究[D];長安大學(xué);2008年

7 楊玉珍;基于元啟發(fā)式算法的帶生產(chǎn)約束作業(yè)車間調(diào)度問題若干研究[D];華東理工大學(xué);2014年

8 任志磊;組合優(yōu)化問題的特化與泛化算法設(shè)計[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 朱璽睿;氯氧鎂板材生產(chǎn)線優(yōu)化研究[D];東北林業(yè)大學(xué);2015年

2 尹青山;綠色微數(shù)據(jù)中心與NGPON融合網(wǎng)絡(luò)部署規(guī)劃研究[D];大連海事大學(xué);2015年

3 唐成;運輸優(yōu)化問題中常見啟發(fā)式算法比較與研究[D];西南交通大學(xué);2014年

4 姜毅;擾動型超啟發(fā)式算法的適應(yīng)度地貌分析[D];大連理工大學(xué);2013年

5 劉永凱;課表安排問題的啟發(fā)式算法研究[D];廈門大學(xué);2009年

6 陳雪瑛;基于啟發(fā)式算法的庫存路徑優(yōu)化問題研究[D];北京交通大學(xué);2008年

7 孔樹鋒;啟發(fā)式算法求解最大割問題的性能分析與優(yōu)化[D];華南理工大學(xué);2014年

8 阮廣璇;汽車租賃行業(yè)超售決策的啟發(fā)式算法研究[D];西南交通大學(xué);2011年

9 張翠平;高速旅客列車運行調(diào)整問題的圖論模型與啟發(fā)式算法[D];北京交通大學(xué);2010年

10 陳敏;基于啟發(fā)式算法的合同組批系統(tǒng)研究與設(shè)計[D];東北大學(xué);2012年

，

本文編號：1790560